論文の概要: Revealing Imaging Characteristics of Thermal Wakes from Underwater Vehicles Without Cooling-Water Discharge
- arxiv url: http://arxiv.org/abs/2610.35038v1
- Date: Mon, 26 Oct 2026 08:52:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.799795
- Title: Revealing Imaging Characteristics of Thermal Wakes from Underwater Vehicles Without Cooling-Water Discharge
- Title（参考訳）: 冷水放電のない水中車両からのサーマルウェイクの現像特性
- Abstract要約: AVP-IR-Wakeは、3年間で収集された161,485フレームの大規模な実世界、物理的に多様なベンチマークである。
熱流は離散渦の延長構造であり,従来の目標のコンパクト性仮定に反することを示す。
局所的に分離できないが、全体としての流路は車両軌道によって構成されるが、背景の乱れは風力による熱前線によって構成される。
- 参考スコア（独自算出の注目度）: 7.246444810294001
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Small uncrewed underwater vehicles are proliferating and threaten maritime security, yet evade sonar and magnetic sensors built for larger submarines. Infrared thermal wakes, generated by hydrodynamic displacement that modulates the cold-skin layer, offer a non-acoustic, non-magnetic alternative even without cooling-water discharge. Existing studies, however, rely on idealized simulations that fail to capture real-world backgrounds, offering limited guidance for target-background discrimination. We establish AVP-IR-Wake, the first large-scale, real-world, physically diverse benchmark of 161,485 frames collected over three years. We show that thermal wakes are extended structures of discrete vortices, violating the compactness assumption of conventional targets. We reveal local indistinguishability: individual wake vortices are statistically identical to wind-induced background vortices in temporal, frequency, and sparse domains, sharing low-frequency information and long-range correlations. This challenges the assumptions of compact, transient, high-frequency targets in conventional detection. Yet we establish global morphological separability: although locally inseparable, the wake as a whole is organized by vehicle trajectory, whereas background clutter is organized by wind-driven thermal fronts. This explains why representative detectors fail and shows that reliable detection must shift from local feature extraction to global trajectory-constrained physical modeling. Because the cold-skin layer varies globally and seasonally, forecasting wake observability will require integrating physical oceanography and atmospheric science, linking underwater surveillance to the changing ocean surface.
- Abstract（参考訳）: 小型の無人水中車両は海上保安を脅かしているが、大型潜水艦のために作られたソナーと磁気センサーは回避されている。
冷間皮膚層を変調する流体力学的変位によって発生する赤外線熱流は、冷却-水放電なしでも非音響的、非磁性的な代替手段を提供する。
しかし、既存の研究は、現実の背景を捉えない理想化されたシミュレーションに依存しており、ターゲットと背景を区別するための限られたガイダンスを提供している。
AVP-IR-Wakeは,3年間で収集された161,485フレームの大規模な実世界,物理的に多様なベンチマークである。
熱流は離散渦の延長構造であり,従来の目標のコンパクト性仮定に反することを示す。
個別の起床渦は、時間、周波数、スパース領域における風による背景渦と統計的に同一であり、低周波情報と長距離相関を共有している。
これは、従来の検出において、コンパクトで過渡的で高周波なターゲットの仮定に挑戦する。
局地的に分離できないが、全体としての流路は車両軌道によって構成されるのに対し、背景クラッタは風力による熱前線によって構成される。
これは、なぜ代表検出器が故障したのかを説明し、信頼性の高い検出が局所的な特徴抽出からグローバルな軌跡制約のある物理モデリングに移行する必要があることを示す。
コールド・スキンの層は世界中で季節によって変化するため、予報の観測には物理的海洋学と大気科学の統合が必要であり、水中の監視と海面の変化を結びつける必要がある。
関連論文リスト
- Benchmarking 3D Reconstruction for Under-Ice Robotic Perception in Arctic Environments [3.5638260565505213]
本報告では,MOSAiC探査による実世界のデータと,Unreal Engineを用いた水中ロボットシミュレータで生成された合成データを用いて,視覚に基づく3次元3次元再構成のベンチマークを行う。
論文 参考訳（メタデータ） (2026-10-13T19:34:55Z) - Rethinking Conditional Generation for Underwater Salient Object Detection [69.38806804258452]
コンディショナル・ジェネレーション・ネットワーク(DCGNet)は、水中のサリエンシ生成のための信頼性の高いコンディショナル・特徴を構築するために設計されている。
DCGNetは既存の最先端手法を著しく上回り、複雑な水中視覚応用の可能性を検証している。
論文 参考訳（メタデータ） (2026-07-02T07:48:06Z) - Overcoming "Physics Shock" in Earth Observation A Heteroscedastic Uncertainty Framework for PINN-based Flood Inference [0.29165586612027233]
リモートセンシングデータからの迅速かつ正確な洪水範囲マッピングは, 災害対応に不可欠である。
標準的なディープラーニングモデルは、水文学的な制約が欠如しているため、物理的に不可能な予測を生成することが多い。
本研究では,地球観測に特化した新しい不確実性対応PINNフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-22T18:14:17Z) - Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。
多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。
本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
論文 参考訳（メタデータ） (2026-05-07T14:27:48Z) - High-resolution probabilistic estimation of three-dimensional regional ocean dynamics from sparse surface observations [0.0]
海洋内部は地球の気候を規制するが、in situの観測が限られているため、わずかに観測されている。
本研究では,高分解能な3次元海洋環境を極端に粗い表面データから再構築するための深度認識型生成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-03T08:10:55Z) - CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution [51.56484100374058]
CASCADEは、学習された流況変動場に沿って粗い情報を反復的に検出することで微細構造を再構築する。
SEVIRレーダデータを用いて、激しい対流嵐の4倍の超解像について評価した。
大気や海洋の用途において、対流に支配される極端に適した、時間的に一貫した、物理的に一貫した、そして大量保存された復元を生成する。
論文 参考訳（メタデータ） (2026-02-18T14:41:54Z) - A Physics Prior-Guided Dual-Stream Attention Network for Motion Prediction of Elastic Bragg Breakwaters [7.146484689550911]
従来のディープラーニングモデルは、目に見えない海の状態を示すとき、限定的な一般化能力を示すことが多い。
本研究は,PhysAttnNet(PhysAttnNet)を用いた物理優先型デュアルストリームアテンションネットワークを提案する。
ウェーブ・フラム・データセットの実験では、PhysAttnNetが主流モデルを大幅に上回っていることが示されている。
論文 参考訳（メタデータ） (2025-10-16T03:06:44Z) - OASIS: Harnessing Diffusion Adversarial Network for Ocean Salinity Imputation using Sparse Drifter Trajectories [55.860116803220535]
海洋塩分濃度は循環、気候、海洋生態系において重要な役割を担っているが、その測定は希少で不規則でうるさい。
従来のアプローチは線形性と定常性に依存しており、雲の覆い、センサーのドリフト、衛星の再来率の低さによって制限されている。
OceAn Salinity Imputation System (OASIS)を紹介する。
論文 参考訳（メタデータ） (2025-08-29T12:25:26Z) - Enhancing Marine Debris Acoustic Monitoring by Optical Flow-Based Motion Vector Analysis [0.0]
本報告では, 海洋デブリモニタリングのための光学的フローベース手法を提案する。
提案手法は循環式水槽実験により検証した。
論文 参考訳（メタデータ） (2024-12-28T08:55:37Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z)
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。