論文の概要: High-fidelity training-free photovoltaic module mapping from multi-view UAV imagery

• arxiv url: http://arxiv.org/abs/2611.05131v2
• Date: Wed, 04 Nov 2026 04:03:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.787526
• Title: High-fidelity training-free photovoltaic module mapping from multi-view UAV imagery
• Title（参考訳）: マルチビューUAV画像からの高忠実度学習自由太陽電池モジュールマッピング
• Abstract要約: 高忠実光電圧(PV)モジュールマッピングは、完全なインスタンス回復と正確なデライン化を必要とする。 本稿では,無人航空機 (UAV) による学習自由フレームワーク結合視覚基盤モデルであるMulti-View PV Module Mapper (MV-PVMapper) を提案する。
• 参考スコア（独自算出の注目度）: 13.133937727850928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity photovoltaic (PV) module mapping requires complete instance recovery and accurate delineation. Vision foundation models offer zero-shot segmentation, but converting incomplete and inconsistent predictions across views into a complete, geometrically accurate map of individual modules remains challenging. We propose the Multi-View PV Module Mapper (MV-PVMapper), a training-free framework coupling vision foundation models with unmanned aerial vehicle (UAV) photogrammetry. First, Segment Anything Model 3 (SAM 3) generates candidates from original images using text prompts. Their contours are then transferred into object space through per-module slope correction to limit distortion from surface-model noise, and verified against representative module dimensions to guide cross-view instance selection. Finally, accepted instances return to all covering images as box prompts for SAM~3, supplementing text prompts with spatial cues for iterative segmentation, verification and fusion. On five-direction surveys of three operational rooftop PV plants at approximately 1 cm nadir ground sampling distance, two feedback iterations recover 7,710 of 7,711 reference modules with no false positives at an intersection-over-union (IoU) matching threshold of 0.5. Macro-averaged area precision and recall reach 99.00 % and 98.52 %, respectively. Averaged across sites, the aggregated Jaccard index reaches 97.55 %, compared with 60.73 % and 41.24 % for orthomosaic segmentation and multi-view pixel-voting baselines, respectively; average precision at the stricter IoU threshold of 0.95 reaches 95.67 %. Ablation studies show that module-size constraints are critical for instance separation, while slope correction and feedback to all covering views improve boundary accuracy. These results are achieved without task-specific image annotation or segmentation-model weight updates.
• Abstract（参考訳）: 高忠実光電圧(PV)モジュールマッピングは、完全なインスタンス回復と正確なデライン化を必要とする。 ビジョンファウンデーションモデルはゼロショットセグメンテーションを提供するが、ビュー間で不完全で一貫性のない予測を、個々のモジュールの完全かつ幾何学的に正確なマップに変換することは依然として困難である。 本稿では,無人航空機 (UAV) による学習自由フレームワーク結合視覚基盤モデルであるMulti-View PV Module Mapper (MV-PVMapper) を提案する。 まず、Segment Anything Model 3 (SAM3) はテキストプロンプトを使って元の画像から候補を生成する。 それらの輪郭は、表面モデルノイズからの歪みを制限するために、モジュールごとの傾き補正を通じてオブジェクト空間に移動され、代表モジュール次元に対して検証され、クロスビューのインスタンス選択を導出する。 最後に、受け入れたインスタンスはSAM~3のボックスプロンプトとしてすべてのカバーイメージに返却され、反復的なセグメンテーション、検証、融合のための空間的なキューでテキストプロンプトを補完する。 約1cmの地中サンプリング距離で3つの屋上PVプラントの5方向調査を行ったところ, 2回のフィードバック繰り返しで7,711個の基準モジュールの7,710個を回収した。 マクロ平均地域の精度は99.00%、リコール率は98.52%に達する。 サイト全体で平均すると、ジャカード指数は97.55 %に達し、直交セグメンテーションの60.73 %と41.24 %であり、より厳密なIoU閾値の平均精度は95.67 %である。 アブレーション研究により, モジュールサイズの制約は, 例分離において重要であり, 傾斜補正とすべての被覆ビューに対するフィードバックにより境界精度が向上することが示された。 これらの結果は、タスク固有の画像アノテーションやセグメンテーションモデルの重み付けなしで達成される。

関連論文リスト

• VIEScore2: Unified Image Evaluation with Spatially Grounded Explanations [47.87491147340878]
  VIEScore2は、任意の条件付き画像で画像の生成と編集を行うための統合評価器である。 VIEScore2は、イメージをNxNグリッドとして表現し、単一のモデルパスにおける品質スコアと欠陥位置を共同で予測する。 欠陥ローカライゼーションでは、VIEScore2は汎用VLMと特殊空間評価器の両方に優れる。
  論文  参考訳（メタデータ） (2026-10-01T03:29:03Z)
• TAPe+ML: A Compact Structured Representation for Multi-Task Computer Vision [0.0]
  TAPe (Theory of Active Perception) に基づく小型コンピュータビジョンシステムを提案する。 このシステムは、共有TAPe表現と、画像分類、オブジェクト検出、インスタンスセグメンテーションのためのモジュール認識アーキテクチャを使用する。 その結果、モデリングの負担の一部をネットワークパラメータから構造化された入力表現にシフトすることで、データ、メモリ、計算要求を低減したコンパクトなマルチタスクビジョンシステムをサポートできることが示唆された。
  論文  参考訳（メタデータ） (2026-09-15T14:08:43Z)
• From Pixels to PCells: A Neurosymbolic Approach to Photonic Component Creation [0.0]
  本稿では,マルチモーダルエージェントが視覚的に提示されたフォトニック成分をパラメトリックプログラムに変換するニューロシンボリックシステムPixCellについて述べる。 PixCellのインターフェイスと検証器によるマルチモーダルエージェントは、一貫して0.9の平均IoUを超える。 干渉計のクロススタック研究は、8.0nm自由スペクトル範囲ターゲットを満たすプリミティブプログラムを再構成する。
  論文  参考訳（メタデータ） (2026-07-29T17:43:57Z)
• Disagreement-Based Cross-Model Routing for Implicit Video Question Answering [0.0]
  我々はImplicitQAベンチマークを用いて,複数選択のビデオ質問応答について検討した。 このベンチマークでは、単一のフロンティアビデオLLMが、その精度の天井付近ですでに動作している。 ラベルやトレーニングを必要とせず、純粋な推論時間である、不一致に基づくクロスモデルルーティングを提案する。
  論文  参考訳（メタデータ） (2026-05-31T05:56:27Z)
• CalibFree: Self-Supervised View Feature Separation for Calibration-Free Multi-Camera Multi-Object Tracking [50.354685761416484]
  CalibFreeは、MCMOTタスクのキャリブレーションや手動ラベリングを必要としない自己教師型表現学習フレームワークである。 MMP-MvMHATデータセットの実験では、全体の精度が3%向上し、最先端のアプローチよりも平均F1スコアが7.5%向上した。
  論文  参考訳（メタデータ） (2026-05-10T01:04:12Z)
• Mixture-of-Transformers: A Sparse and Scalable Architecture for Multi-Modal Foundation Models [111.97026994761254]
  Mixture-of-Transformer (MoT) はスパースマルチモーダルトランスアーキテクチャである。 MoTはモデルの非埋め込みパラメータをモダリティで分離する。 複数の設定とモデルスケールでMoTを評価する。
  論文  参考訳（メタデータ） (2024-11-07T18:59:06Z)
• Global Context Vision Transformers [78.5346173956383]
  我々は,コンピュータビジョンのパラメータと計算利用を向上する新しいアーキテクチャであるGC ViT(Global context vision transformer)を提案する。 本稿では,ViTにおける帰納バイアスの欠如に対処し,アーキテクチャにおける可溶性逆残差ブロックを改良して活用することを提案する。 提案したGC ViTは,画像分類,オブジェクト検出,セマンティックセマンティックセグメンテーションタスクにまたがる最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2022-06-20T18:42:44Z)
• EATFormer: Improving Vision Transformer Inspired by Evolutionary Algorithm [111.17100512647619]
  本稿では、実証された実用的な進化的アルゴリズム(EA)と類似したビジョントランスフォーマーの合理性を説明する。 本稿では,EA ベースのトランス (EAT) ブロックのみを含む新しいピラミッド EATFormer バックボーンを提案する。 画像分類,下流タスク,説明実験に関する大規模かつ定量的な実験は,我々のアプローチの有効性と優位性を示すものである。
  論文  参考訳（メタデータ） (2022-06-19T04:49:35Z)

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。