Fugu-MT 論文翻訳(概要): OlmoEarth v1.3: Embeddings

論文の概要: OlmoEarth v1.3: Embeddings

arxiv url: http://arxiv.org/abs/2610.32294v1
Date: Fri, 23 Oct 2026 07:53:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 01:38:06.426184
Title: OlmoEarth v1.3: Embeddings
Title（参考訳）: OlmoEarth v1.3: Embeddings
Abstract要約: OlmoEarth v1.3は、マルチモーダル・マルチテンポラルリモートセンシングデータを単一の消化可能な64次元または128次元のベクトルに変換するように設計されている。私たちはOlmoEarth v1.3を使って、OlmoEarthアーティファクトライセンスの下でリリースしたグローバルで年1回の10m埋め込みを計算します。
参考スコア（独自算出の注目度）: 7.13205487694727
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We make some OlmoEarth embeddings. To do this, we train a new model: OlmoEarth v1.3. OlmoEarth v1.3 is designed to condense multimodal, multitemporal remote sensing data into a single digestible 64 or 128-dimensional vector. OlmoEarth v1.3 produces state-of-the-art embeddings. In addition, OlmoEarth v1.3 is a strong encoder backbone -- competitive with OlmoEarth v1 and v1.2 -- while requiring 18% and 53% of the GPU hours to train, respectively. We use OlmoEarth v1.3 to compute global, annualized 10m embeddings, which we release under the OlmoEarth artifact license.
Abstract（参考訳）: OlmoEarthの埋め込みを作成します。そのために、新しいモデル、OlmoEarth v1.3をトレーニングします。 OlmoEarth v1.3は、マルチモーダル・マルチテンポラルリモートセンシングデータを単一の消化可能な64次元または128次元のベクトルに変換するように設計されている。 OlmoEarth v1.3は最先端の埋め込みを生成する。さらに、OlmoEarth v1.3は強力なエンコーダバックボーンで、OlmoEarth v1とv1.2と競合する。私たちはOlmoEarth v1.3を使って、OlmoEarthアーティファクトライセンスの下でリリースしたグローバルで年1回の10m埋め込みを計算します。

関連論文リスト

MajorTOM:Elliot Pretrain, A Multi-Sensor, Multi-Temporal Pretraining Dataset for Earth Observation [8.698049583442321]
MajorTOM:Elliot Pretrainは、AlphaEarthの埋め込みをクラスタリングすることによって、Major-TOMグリッドから10kmのタイル279,166点のコレクションである。それぞれのタイルスタックは、1056x1056ピクセル、10mグリッドでSentinel-2 L1C、Landsat-8/9、Sentinel-1 RTC、Copernicus DEM、ESA WorldCoverを共有している。コンパニオンライブラリは、これらのレイヤから、センサータグ付きファクトシート、キャプション、16ファミリーの視覚言語タスクをロード時に導出する。
論文参考訳（メタデータ） (2026-10-13T16:03:15Z)
OlmoEarth v1.1: A more efficient family of OlmoEarth models [7.9370993704369575]
私たちはOlmoEarthファミリーにいくつかの改善点を提示します。これらの改善により、トレーニング中の計算コストを削減できます。トレーニングコードはすべてatallenai.com/olmoearth_pretrainで利用できる。
論文参考訳（メタデータ） (2026-05-20T06:50:41Z)
Geodiffussr: Generative Terrain Texturing with Elevation Fidelity [48.82552523546255]
テキスト誘導テクスチャマップを合成するフローマッチングパイプラインであるGeodiffussrを紹介する。マルチスケールコンテンツアグリゲーション(MCA): DEM機能は、複数の解像度でUNetブロックに注入され、グローバルからローカライズされた高度の一貫性が強制される。 Geodiffussrを訓練し,評価するために,SRTM由来のDEMとSentinel-2画像と視覚接地型自然出現キャプションを組み合わせた三重項のグローバル分布,バイオメ-および気候成層コーパスを組み立てた。
論文参考訳（メタデータ） (2025-11-28T09:52:44Z)
OlmoEarth: Stable Latent Image Modeling for Multimodal Earth Observation [68.10925029626709]
オルモアース(OlmoEarth)は、地球観測領域向けに設計された、多モードでシーケンシャルな基礎モデルである。 OlmoEarthは12のファンデーションモデルと比較して最先端のパフォーマンスを実現している。我々はOlmoEarthを、データ収集、ラベル付け、トレーニング観察、地球観測モデルの推測のためのエンドツーエンドプラットフォームのバックボーンとして配置する。
論文参考訳（メタデータ） (2025-11-17T18:06:26Z)
EarthCrafter: Scalable 3D Earth Generation via Dual-Sparse Latent Diffusion [23.3834795181211]
Aerial-Earth3Dは、これまでで最大の3D空中データセットで、アメリカ本土で撮影された50万のキュレートされたシーン(それぞれ600m×600m)で構成されています。各シーンは、ポーズアノテートされたマルチビューイメージ、深度マップ、ノーマル、セマンティックセグメンテーション、カメラのポーズを提供し、地形の多様性を保証するための明確な品質制御を提供する。我々は,スパースデカップリング型潜水拡散による大規模3次元地球生成に適したフレームワークであるEarthCrafterを提案する。
論文参考訳（メタデータ） (2025-07-22T12:46:48Z)
Towards LLM Agents for Earth Observation [63.163707376462405]
これは、NASAの地球観測所の記事から13のトピックと17の衛星センサーに関する140のイエス/ノーの質問のベンチマークである。 Google Earth Engine APIをツールとして使用すると、LLMエージェントは58%以上のコードを実行できないため、33%の精度しか達成できない。我々は、合成データを微調整することで、オープンモデルの失敗率を改善し、より小さなモデルの方が、はるかに大きなモデルに匹敵する精度が得られるようにした。
論文参考訳（メタデータ） (2025-04-16T14:19:25Z)
GAMa: Cross-view Video Geo-localization [68.33955764543465]
我々は、文脈的手がかりを提供する画像ではなく、地上ビデオに焦点を当てている。クリップレベルでは、短いビデオクリップと対応する空中画像が一致し、後に長いビデオの動画レベルのジオローカライズを得るために使用される。提案手法は,トップ1リコール率19.4%,45.1%@1.0マイルを達成する。
論文参考訳（メタデータ） (2022-07-06T04:25:51Z)
OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
論文参考訳（メタデータ） (2020-09-22T12:28:14Z)

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。