論文の概要: ADA 2025: A Multimodal Dataset for Water-Deficit Stress Detection in Sugar Beets

• arxiv url: http://arxiv.org/abs/2610.23609v1
• Date: Fri, 16 Oct 2026 15:23:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.986117
• Title: ADA 2025: A Multimodal Dataset for Water-Deficit Stress Detection in Sugar Beets
• Title（参考訳）: ADA 2025:サトウキビのストレス検出のためのマルチモーダルデータセット
• Abstract要約: 健康および水不足の条件下で,若草のマルチモーダルデータセットであるADA 2025をリリースする。 結果は、ストレスのある植物と健康な植物の間で検出可能な差異の観点からデータセットの有効性を示す。
• 参考スコア（独自算出の注目度）: 4.04847920450355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research and development into artificial intelligence (AI) and machine learning (ML) applications in crop management are hindered by a lack of suitable public datasets. Whereas applications in disease and pest detection benefit from a comparatively higher amount of available data, applications like water-deficit stress detection often have very few if any public datasets available. Moreover, most datasets that are available are single-modality and frequently RGB-only, leaving the early detection and enhanced performance offered by other methods, and particularly by multimodal approaches, out of reach. Datasets with accurate metadata, higher numbers of plants, and smaller intervals between data points are also scarce. To address this, we publicly release ADA 2025, a >500 GB comprehensive multimodal dataset of young sugar beet plants under healthy and water-deficit conditions combining thermal, hyperspectral, RGB, and depth imagery along with relevant environmental and metadata and both relative water content (RWC) and leaf thickness as ground truth sources. Exemplary results showcase the dataset's validity in terms of differences detectable between stressed and healthy plants.
• Abstract（参考訳）: 作物管理における人工知能(AI)と機械学習(ML)の応用に関する研究と開発は、適切なパブリックデータセットの欠如によって妨げられている。 病気や害虫検出の応用は、比較的多くの利用可能なデータから恩恵を受けるが、水不足ストレス検出のようなアプリケーションは、パブリックデータセットが利用可能であれば、ほとんどないことが多い。 さらに、利用可能なほとんどのデータセットは単一のモダリティであり、頻繁にRGBのみであり、他のメソッド、特にマルチモーダルアプローチによる早期検出とパフォーマンスの向上は、到達範囲外である。 正確なメタデータ、植物の数の増加、データポイント間の間隔の小さいデータセットも不足している。 そこで本研究では, 温度, ハイパースペクトル, RGB, 深度画像と, 関連する環境・メタデータ, 相対水分量(RWC)および葉厚を, 地中真理源として組み合わせた, 500GB以上の若草の総合マルチモーダルデータセットであるADA 2025を公表した。 模範的な結果は、ストレスのある植物と健康な植物の間で検出可能な差異の観点からデータセットの有効性を示す。

関連論文リスト

• A Spatially Masked Adaptive Gated Network for multimodal post-flood water extent mapping using SAR and incomplete multispectral data [5.658491018082432]
  本研究では,SARデータを用いたマルチモーダル深層学習モデルを提案する。 SMAGNetは、MSIデータ可用性の様々なレベルにわたる予測性能において、他のマルチモーダルディープラーニングモデルよりも一貫して優れていた。 これらの結果から,SMAGNetは,実際の洪水管理シナリオにおけるマルチモーダル深層学習の適用性だけでなく,欠落データに対するロバスト性の向上を図っている。
  論文  参考訳（メタデータ） (2025-12-31T21:53:41Z)
• State Diversity Matters in Offline Behavior Distillation [58.116300485427764]
  トレーニング損失がかなり大きい場合、状態多様性の高いデータセットは、より高い状態品質のデータセットよりも優れていることを示す。 本稿では, 蒸留目標の重み付けにより, 状態の多様性を強調する新しいアルゴリズム, 状態密度重み付け (SDW) OBDを提案する。
  論文  参考訳（メタデータ） (2025-12-07T06:55:08Z)
• Hydra-Bench: A Benchmark for Multi-Modal Leaf Wetness Sensing [5.54739216930577]
  本稿では,葉の濡れ度検出における機械学習アルゴリズムの評価と進展に特化して設計された,新しいマルチモーダルデータセットを提案する。 本データセットは,5種の植物から6ヶ月以上にわたって収集したmWave生データ,合成開口レーダ(SAR)画像,RGB画像から構成した。
  論文  参考訳（メタデータ） (2025-07-30T13:47:56Z)
• Multi-Modal Dataset Distillation in the Wild [75.64263877043615]
  そこで我々は,マルチモーダル・データセット蒸留法(MDW)を提案し,ノイズの多いマルチモーダル・データセットをコンパクトなクリーン・データセットに蒸留し,効果的かつ効率的なモデルトレーニングを行う。 具体的には、MDWは蒸留中の学習可能な微粒な対応を導入し、蒸留されたデータを適応的に最適化し、対応識別領域を強調する。 MDWの理論的および経験的有効性は、様々な圧縮比で従来の手法を15%以上上回る、顕著なスケーラビリティで検証されている。
  論文  参考訳（メタデータ） (2025-06-02T12:18:20Z)
• Reservoir-enhanced Segment Anything Model for Subsurface Diagnosis [24.223897705640105]
  都市部の道路やインフラは、市の運営に欠かせないものであり、ひび割れやキャビティのような地下の異常から増大する脅威に直面している。 地中貫入レーダ(GPR)は、電磁波(EM)を用いた地下条件を効果的に可視化する。 しかし、GPRによる正確な異常検出は、限られたラベル付きデータ、異なる地下条件、不特定ターゲット境界により、依然として困難である。 本稿では,GPRデータの視覚的識別性と波動変化特性を両立させるため,Reservoir-enhanced Segment Anything Model (Res-SAM)を提案する。
  論文  参考訳（メタデータ） (2025-04-26T05:13:22Z)
• WeedsGalore: A Multispectral and Multitemporal UAV-based Dataset for Crop and Weed Segmentation in Agricultural Maize Fields [0.7421845364041001]
  雑草は作物の収穫が減少する主な原因の1つであるが、現在の雑草の慣行は、効率的で標的とした方法で雑草を管理するのに失敗している。 農作物畑における作物と雑草のセマンティックスとインスタンスセグメンテーションのための新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2025-02-18T18:13:19Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
  本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies mapping [40.996860106131244]
  気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。 本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
  論文  参考訳（メタデータ） (2024-01-05T18:11:08Z)

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。