論文の概要: OpenEarth-OVS44: A Multimodal Remote Sensing Dataset for Open-Vocabulary Segmentation
- arxiv url: http://arxiv.org/abs/2610.29642v1
- Date: Wed, 21 Oct 2026 12:25:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.356959
- Title: OpenEarth-OVS44: A Multimodal Remote Sensing Dataset for Open-Vocabulary Segmentation
- Title（参考訳）: OpenEarth-OVS44:オープン語彙セグメンテーションのためのマルチモーダルリモートセンシングデータセット
- Abstract要約: リモートセンシングでは、オープン語彙セグメンテーションは多様な地域にわたって柔軟でスケーラブルな土地被覆理解のために重要である。
提案するOpenEarth-OVS44は,2,832枚のRGB画像と1,341枚の厳密に登録されたRGB-SARペアから,290,587個の専門家検証セグメントを持つマルチモーダルベンチマークである。
代表的なオープンボキャブラリセグメンテーションモデルの実験では、未確認のカテゴリでは7.1 mIoU点、観察されたカテゴリでは27.6 mIoU点の改善が示されている。
- 参考スコア（独自算出の注目度）: 28.72619366171209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In remote sensing, open-vocabulary segmentation is particularly important for flexible and scalable land-cover understanding across diverse regions, as it improves generalization to novel categories without requiring exhaustive pixel-level annotations. Despite its great promise, progress in this area remains largely constrained by existing datasets with limited category coverage and overly coarse taxonomies, and therefore struggles to support fine-grained semantic understanding required in real-world applications such as urban functional zoning, carbon accounting, and post-disaster assessment. To address these challenges, we present OpenEarth-OVS44, a multimodal benchmark with 290,587 expert-verified segments from 2,832 RGB images and 1,341 strictly registered RGB-SAR pairs at sub-meter spatial resolution, covering 40 cities across France, Japan, and the United States under a unified 44-class taxonomy organized into 9 base categories. Three evaluation tracks are provided: an RGB-only fine-grained benchmark, a multimodal track with diverse synthetic cloudy conditions for weather-robust evaluation, and a held-out cross-region track. Extensive experiments on representative open-vocabulary segmentation models demonstrate that training on OpenEarth-OVS44 substantially improves fine-grained segmentation performance over the strongest training-free baseline, with improvements of up to 7.1 mIoU points on unseen categories and 27.6 mIoU points on seen categories. The dataset and code will be released.
- Abstract（参考訳）: リモートセンシングにおいて、オープン語彙セグメンテーションは、ピクセルレベルの全アノテーションを必要とせず、新しいカテゴリへの一般化を改善するため、様々な領域にわたって柔軟でスケーラブルな土地被覆理解のために特に重要である。
その大きな約束にもかかわらず、この地域の進歩は、カテゴリー範囲が限られている既存のデータセットや、過度に粗い分類体系に大きく制約されているため、都市機能的ゾーニング、炭素会計、災害後の評価といった現実の応用に必要な、きめ細かいセマンティックな理解を支援するのに苦労している。
これらの課題に対処するため,2,832枚のRGB画像と1,341枚の厳密に登録されたRGB-SARペアから290,587個の専門家が検証されたマルチモーダル・ベンチマークOpenEarth-OVS44を,フランス,日本,米国各40都市を対象に,9つの分類群に分類した。
3つの評価トラックが提供される: RGBのみの微粒化ベンチマーク、気象汚染評価のための多様な合成雲条件を持つマルチモーダルトラック、およびホールドアウトクロスリージョントラック。
代表的なオープン語彙セグメンテーションモデルの広範な実験により、OpenEarth-OVS44のトレーニングは、最強のトレーニングフリーベースラインよりもきめ細かなセグメンテーション性能を大幅に改善し、未確認カテゴリの7.1 mIoUポイントと27.6 mIoUポイントの改善が見られた。
データセットとコードがリリースされる。
関連論文リスト
- Generalized CycleGRPO for Fine-Grained Multimodal Understanding and Grounding [86.59310092295141]
本稿では、領域理解と局所化を結合した最初の統合強化学習フレームワークであるGeneralized CycleSuiteを紹介する。
CycleOはSAMTokの全体的なgIoUを57.5%から68.7%に改善し、GRESでは平均gIoUを71.2%から78.2%に改善する。
時間的タスクでは、チャラードでは51.9%のtIoU、DOVEでは33.3%のタイムアビデンスを達成している。
論文 参考訳（メタデータ） (2026-10-21T10:39:56Z) - BELDE: Building a Large-scale Earth-observation Land-cover Dataset for Europe [4.554894288663752]
我々は、RGBベースのセマンティックセマンティックセグメンテーションに適したデータセットであるBELDE(ヨーロッパ向け大規模地球観測ランドカバーデータセットの構築)をリリースする。
BelDEにはヨーロッパにまたがる1,088,385枚の画像分割マップがあり、10mの空間分解能で7つの土地被覆クラスがある。
また,大韓民国を対象とするBELDE-Kと,米国カリフォルニア州とネバダ州を対象とするBELDE-CA-NV(88,155対)についても紹介する。
論文 参考訳（メタデータ） (2026-06-18T20:07:12Z) - 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) - ADNet: A Large-Scale and Extensible Multi-Domain Benchmark for Anomaly Detection Across 380 Real-World Categories [26.951550574484553]
異常検出のための大規模マルチドメインベンチマークであるADNetを紹介する。
ベンチマークには合計196,294枚のRGBイメージが含まれており、トレーニング用サンプルは116,192枚、テスト用イメージは80,102枚あり、そのうち60,311枚が異常である。
Dinomaly-mは、推論コストを増大させることなくデコーダ容量を拡大するコンテキスト誘導型Mixture-of-Expertsである。
論文 参考訳（メタデータ） (2025-11-25T10:47:48Z) - OmniGround: A Comprehensive Spatio-Temporal Grounding Benchmark for Real-World Complex Scenarios [39.58602686069029]
OmniGroundは、81のカテゴリにまたがる3,475の動画と複雑な現実世界のクエリを備えた総合的なベンチマークである。
また、4つの相補的な次元にわたるデータセット品質を定量化するシステム評価フレームワークであるDeepSTGについても紹介する。
実験では、PG-TAFはm_tIoUとm_vIoUを25.6%、35.6%改善し、4つのベンチマークで一貫した利得を得た。
論文 参考訳（メタデータ） (2025-11-21T04:23:04Z) - Exploring the Underwater World Segmentation without Extra Training [55.291219073365546]
我々は,最初の大規模かつ微細な水中セグメンテーションデータセットである textbfAquaOV255 を紹介する。
トレーニング不要なOVセグメンテーションフレームワークである textbfEarth2Ocean も紹介する。
論文 参考訳（メタデータ） (2025-11-11T07:22:56Z) - Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。
我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
論文 参考訳（メタデータ） (2025-10-13T01:12:21Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z) - GraNet: Global Relation-aware Attentional Network for ALS Point Cloud
Classification [7.734726150561088]
ALS点群のセマンティックラベリングに着目した新しいニューラルネットワークを提案する。
GraNetは局所幾何学的記述と局所依存性を学習する。
2つのALSポイントクラウドデータセット上で実験を行った。
論文 参考訳（メタデータ） (2020-12-24T23:54:45Z)
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。