論文の概要: A large-scale climate-aware satellite image dataset for domain adaptive land-cover semantic segmentation

• arxiv url: http://arxiv.org/abs/2610.21238v1
• Date: Thu, 15 Oct 2026 04:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.178901
• Title: A large-scale climate-aware satellite image dataset for domain adaptive land-cover semantic segmentation
• Title（参考訳）: 領域適応型土地被覆セマンティックセマンティックセグメンテーションのための大規模気候対応衛星画像データセット
• Abstract要約: 本研究では,領域適応型土地被覆セマンティックセマンティックセグメンテーションのための大規模気候対応衛星画像データセット(CASID)を提案する。 大きさ5000 x 5000ピクセルの980枚の衛星画像で構成され、約2,500平方キロメートルに及ぶアジアの30の地域から収集されている。 この特徴により、CASIDは複数のドメインを持つ最初の気候対応土地被覆セマンティックセマンティックセマンティックデータセットとなる。
• 参考スコア（独自算出の注目度）: 21.95563493717683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A few well-annotated datasets for land-cover semantic segmentation have recently been introduced to advance the field of earth observation technologies. However, these datasets overlook the significant diversity among geographic areas with different climates, which can greatly impact and diversify land cover. Consequently, this leads to a domain gap in remote sensing images and severe performance degradation of the segmentation models. To enhance land-cover semantic segmentation with improved generalization ability, we conducted the first investigation into the impact of climate on this task. In this paper, we present a unique large-scale Climate-Aware Satellite Images Dataset (CASID) specifically designed for domain adaptive land-cover semantic segmentation. It consists of 980 satellite images with a size of 5000 x 5000 pixels, collected from 30 different regions around Asia, covering over 24,500 square kilometers. These images are gathered from four distinct climate zones, namely temperate monsoon, subtropical monsoon, tropical monsoon, and tropical rainforest. It includes four sub-datasets/domains, each representing one of the aforementioned climate zones. This characteristic makes CASID the first climate-aware land-cover semantic segmentation dataset with multiple domains. Additionally, we provide a comprehensive analysis of the samples from the four climate zones, emphasizing differences in global image features, image texture, category distribution, spectral value, and object shape. These analyses offer valuable insights for subsequent research in this field. Moreover, we conduct extensive experiments to evaluate the latest semantic segmentation and unsupervised domain adaptation methods on the CASID dataset. These results serve as a robust baseline for future research endeavors. Our dataset will be made publicly available at https://github.com/Linwei-Chen/CASID.
• Abstract（参考訳）: 土地被覆セマンティックセマンティックセグメンテーションのための注釈付きデータセットが、地球観測技術の分野を前進させるために最近導入された。 しかし、これらのデータセットは気候の異なる地理的領域のかなりの多様性を見落としており、土地被覆に大きな影響を与え、多様化する可能性がある。 これにより、リモートセンシング画像の領域ギャップが生じ、セグメンテーションモデルの性能が著しく低下する。 本研究は,土地被覆セマンティックセマンティックセマンティクスの改良と一般化能力の向上を目的として,この課題に対する気候の影響に関する最初の調査を行った。 本稿では,領域適応型土地被覆セマンティックセマンティックセマンティックセグメンテーションに特化して設計された,大規模気候対応衛星画像データセット(CASID)を提案する。 大きさ5000 x 5000ピクセルの980枚の衛星画像で構成され、約2,500平方キロメートルに及ぶアジアの30の地域から収集されている。 これらの画像は、温帯モンスーン、亜熱帯モンスーン、熱帯モンスーン、熱帯雨林の4つの異なる気候帯から収集される。 4つのサブデータセット/ドメインが含まれており、それぞれが前述の気候帯の1つを表している。 この特徴により、CASIDは複数のドメインを持つ最初の気候対応土地被覆セマンティックセマンティックセマンティックデータセットとなる。 さらに,4つの気候帯の試料を包括的に分析し,地球画像の特徴,画像テクスチャ,カテゴリ分布,スペクトル値,オブジェクト形状の違いを強調した。 これらの分析は、この分野でのその後の研究に貴重な洞察を与える。 さらに、CASIDデータセット上で、最新のセマンティックセグメンテーションと教師なしドメイン適応手法を評価するために広範な実験を行う。 これらの結果は将来の研究の基盤となる。 私たちのデータセットはhttps://github.com/Linwei-Chen/CASIDで公開されます。

関連論文リスト

• AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World [75.54693105865003]
  AerialMetricは,UAV空中視点下での単分子メートル法深度推定の適応性を評価するためのベンチマークデータセットである。 AerialMetricは、52Kの現実世界と16Kの合成画像深度対を信頼できる計量基底真理で提供する。
  論文  参考訳（メタデータ） (2026-06-29T02:48:47Z)
• PRUE: A Practical Recipe for Field Boundary Segmentation at Scale [50.194423500109025]
  本研究では,大域境界線決定のためのセグメント化と地理空間基盤モデル(GFM)を初めて体系的に評価する。 U-Netセマンティックセマンティックセグメンテーションモデルは、パフォーマンスとデプロイメントのメトリクスのスイートにおいて、インスタンスベースとGFMの代替よりも優れています。 我々のアプローチは、モデル設計、トレーニング、推論にまたがる、信頼性があり、スケーラブルで再現可能なフィールド境界記述のための実践的なフレームワークを提供します。
  論文  参考訳（メタデータ） (2026-03-28T02:47:46Z)
• CrossEarth-SAR: A SAR-Centric and Billion-Scale Geospatial Foundation Model for Domain Generalizable Semantic Segmentation [51.94680303125737]
  我々は、新しい物理誘導型スパース・オブ・エキスパート(MoE)アーキテクチャに基づいて構築された、最初の10億ドル規模のSARビジョン基盤モデルであるCrossEarth-SARを紹介する。 大規模な事前トレーニングを容易にするために,公共およびプライベートなSAR画像を統合する弱く完全に教師付きデータセットであるCrossEarth-SAR-200Kを開発した。 また、8つの異なる領域ギャップをまたいだ22のサブベンチマークからなるベンチマークスイートを導入し、SAR画像上でのドメイン一般化セマンティックセマンティックセグメンテーションのための最初の統一標準を確立した。
  論文  参考訳（メタデータ） (2026-03-12T14:52:35Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• EcoCropsAID: Economic Crops Aerial Image Dataset for Land Use Classification [0.0]
  EcoCropsAIDデータセットは、2014年から2018年の間にGoogle Earthアプリケーションを使って撮影された5,400枚の空中画像の包括的なコレクションである。 このデータセットは、タイの5つの主要な経済作物、米、サトウキビ、キャッサバ、ゴム、ロングランに焦点を当てている。
  論文  参考訳（メタデータ） (2024-11-05T03:14:36Z)
• CrossEarth: Geospatial Vision Foundation Model for Domain Generalizable Remote Sensing Semantic Segmentation [85.22910555280414]
  CrossEarthはセマンティックセグメンテーションのためのビジョン基盤モデルである。 CrossEarthは、特別に設計されたデータレベルのEarth-Style Injectionパイプラインを通じて、強力なクロスドメインの一般化を実証する。 セマンティックセグメンテーションタスクのために,各領域,スペクトル帯域,プラットフォーム,気候の32のクロスドメイン設定からなるRSDGベンチマークをキュレートした。
  論文  参考訳（メタデータ） (2024-10-30T01:22:37Z)
• The Canadian Cropland Dataset: A New Land Cover Dataset for Multitemporal Deep Learning Classification in Agriculture [0.8602553195689513]
  カナディアン・クロップ・インベントリー (Canadian Annual Crop Inventory) から回収されたラベルで濃縮されたカナダの作物の時間的パッチベースのデータセット。 このデータセットは、4年間にわたって収集された10種類の作物から,78,536個の高解像度空間像を手作業で検証した。 ベンチマークとして,単一画像(ResNet,DenseNet,EfficientNet)や画像列(LRCN,3D-CNN)を同一位置から予測可能なモデルとソースコードを提供する。
  論文  参考訳（メタデータ） (2023-05-31T18:40:15Z)
• Enabling Country-Scale Land Cover Mapping with Meter-Resolution Satellite Imagery [42.70832378336697]
  高解像度衛星画像は、土地被覆分類のための豊富な詳細な空間情報を提供することができる。 大規模に詳細なカテゴリのランドカバーマッピングに高解像度画像を適用した研究はほとんどない。 本稿では,50億画素以上の高解像度Gaofen-2(4m)衛星画像を含む大規模ランドカバー・データセットであるFive-Billion-Pixelsを提案する。
  論文  参考訳（メタデータ） (2022-09-01T21:00:23Z)
• Activation Regression for Continuous Domain Generalization with Applications to Crop Classification [48.795866501365694]
  衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。 中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。 我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
  論文  参考訳（メタデータ） (2022-04-14T15:41:39Z)
• Weakly Supervised Domain Adaptation for Built-up Region Segmentation in Aerial and Satellite Imagery [3.8508264614798517]
  環境に対する人間の影響,公共政策の影響,一般都市人口分析を理解する上で,構築された地域推定は重要な要素である。 航空や衛星画像の多様性と、この多様性をカバーするラベル付きデータの欠如により、機械学習アルゴリズムの一般化が困難になる。 本稿では,衛星画像と空中画像の課題に対処する新しい領域適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-05T10:05:01Z)

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。