論文の概要: DeepTopoClustering: Unsupervised Derivation of Surface Process Taxonomy from 4D Point Clouds for Topographic Monitoring

• arxiv url: http://arxiv.org/abs/2610.09860v1
• Date: Wed, 07 Oct 2026 11:16:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.873249
• Title: DeepTopoClustering: Unsupervised Derivation of Surface Process Taxonomy from 4D Point Clouds for Topographic Monitoring
• Title（参考訳）: DeepTopoClustering:地形モニタリングのための4次元点雲からの表層プロセス分類の教師なし導出
• Abstract要約: 本稿では,オブジェクトに基づく表面活動から階層的なプロセス分類を導出するための教師なしフレームワークを提案する。 畳み込みオートエンコーダは、共同最適化されたGeoMorphogramsから潜時埋め込みを学習する。 砂浜の2つの4次元データセットに専門家アノテーションを用いた学習階層の評価を行った。
• 参考スコア（独自算出の注目度）: 1.2848608132897106
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: 4D point clouds acquired by permanent laser scanning (PLS) enable accurate high-frequency monitoring of surface change in dynamic topographic environments. However, existing methods remain limited in organizing detected surface activities into meaningful process types. We propose DeepTopoClustering (DTC), an unsupervised framework for deriving a hierarchical process taxonomy from object-based surface activities, so-called 4D objects-by-change (4D-OBCs). We transform each 4D-OBC into a GeoMorphogram, a distributional sequence representing the temporal evolution of topographic change within a spatially bounded surface activity. A convolutional autoencoder learns latent embeddings from GeoMorphograms, which are jointly optimized using a hierarchical deep clustering objective to organize surface activities into a hierarchy. We evaluate the learned hierarchy using expert annotations on two 4D datasets of sandy beach sites and their combination. DTC with GeoMorphograms achieves the highest agreement with expert judgment at the taxonomy level comprising eight major process types ($F_1=0.78$, match accuracy $=0.92$), outperforming dimensionality reduction and conventional flat clustering. The learned taxonomy separates major erosion- and deposition-dominated activities and distinguishes finer subtypes based on change magnitude, duration, compactness, and temporal evolution. DTC thus provides a scalable and interpretable route from 4D change detection to a data-driven, expert-supported surface process taxonomy, advancing automated knowledge derivation for understanding surface dynamics in topographic monitoring.
• Abstract（参考訳）: 永久レーザー走査(PLS)により取得された4次元点雲は、動的地形環境における表面変化の正確な高周波モニタリングを可能にする。 しかし、検出された表面活性を意味のあるプロセスタイプにまとめる上で、既存の手法は依然として限られている。 我々は、オブジェクトベースの表面活動から階層的なプロセス分類を導出するための教師なしフレームワークであるDeepTopoClustering (DTC)を提案し、いわゆる4D-OBC(4D-OBCs)を提案する。 各4D-OBCを空間的に有界な表面活動における地形変化の時間的変化を表す分布列であるGeoMorphogramに変換する。 畳み込みオートエンコーダはGeoMorphogramsから潜伏埋め込みを学習し、階層的な深層クラスタリングの目的を用いて協調的に最適化し、表面アクティビティを階層構造に整理する。 砂浜の2つの4次元データセットとその組み合わせについて,専門家アノテーションを用いた学習階層の評価を行った。 GeoMorphograms を用いた DTC は,8つの主要なプロセスタイプ (F_1=0.78$, Match accuracy $=0.92$) からなる分類学レベルでの専門的判断と最高の一致を達成している。 学習された分類学は、主要な浸食および沈着が支配する活動を分離し、変化の大きさ、持続時間、コンパクト性、時間的進化に基づいてより細かなサブタイプを区別する。 これにより、DTCは、4次元変化検出からデータ駆動で専門家が支援する表面プロセス分類へのスケーラブルで解釈可能な経路を提供し、地形モニタリングにおける表面力学を理解するための自動知識導出を推進している。

関連論文リスト

• GeoHAT: Geometry-Adaptive Hybrid Action Transformer for Mobile Manipulation [6.488530751190965]
  全体移動操作には移動基地とマニピュレータの調整が必要である。 我々は、シンプルな原理に基づいて構築された、エンドツーエンドの拡散ベースのフレームワークGeoHATを提案する。 ManiSkill-HABシミュレーションベンチマークの実験では、GeoHATが79.3%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-06-11T14:25:09Z)
• High-Resolution Underwater Camouflaged Object Detection: GBU-UCOD Dataset and Topology-Aware and Frequency-Decoupled Networks [32.76569239634241]
  本稿では,位相認識モデルと周波数分離認識を統合した新しいフレームワークを提案する。 DeepTopo-Netは、特に複雑な水中パターンの形態的整合性を維持する上で、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-03T14:41:27Z)
• Seurat: From Moving Points to Depth [66.65189052568209]
  本研究では,2次元軌跡の空間的関係と時間的変化を調べ,相対的な深度を推定する手法を提案する。 提案手法は,様々な領域にわたる時間的スムーズかつ高精度な深度予測を実現する。
  論文  参考訳（メタデータ） (2025-04-20T17:37:02Z)
• UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
  UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。 動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。 提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-12-04T16:59:49Z)
• Dynamic 3D Point Cloud Sequences as 2D Videos [81.46246338686478]
  3Dポイントクラウドシーケンスは、現実世界の環境における最も一般的で実用的な表現の1つとして機能する。 textitStructured Point Cloud Videos (SPCV) と呼ばれる新しい汎用表現を提案する。 SPCVは点雲列を空間的滑らかさと時間的一貫性を持つ2Dビデオとして再編成し、画素値は点の3D座標に対応する。
  論文  参考訳（メタデータ） (2024-03-02T08:18:57Z)
• Unsupervised Multimodal Surface Registration with Geometric Deep Learning [3.3403308469369577]
  GeoMorphは、皮質表面の画像登録用に設計された新しい幾何学的深層学習フレームワークである。 よりスムーズな変形によるアライメントの改善により,GeoMorphは既存のディープラーニング手法よりも優れていることを示す。 このような汎用性と堅牢性は、様々な神経科学応用に強い可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-21T22:05:00Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling [69.56581851211841]
  そこで我々は,LoRDという,動的に衣を着る人間の局所的な4D暗黙表現を提案する。 私たちの重要な洞察は、ネットワークがローカルな部分レベルの表現の潜在コードを学ぶように促すことです。 LoRDは、4D人間を表現する能力が強く、実用上の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-08-18T03:49:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。