文献

J-GLOBAL ID：202002260395018183   整理番号：20A0592168

敵対的物理モデル損失による海面温度画像のノイズ除去と修復【JST・京大機械翻訳】

Denoising and Inpainting of Sea Surface Temperature Image with Adversarial Physical Model Loss

著者 (4件)： Hirahara Nobuyuki (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Sonogashira Motoharu (Academic Center for Computing and Media Studies, Kyoto University, Kyoto, Japan) ,  Kasahara Hidekazu (Academic Center for Computing and Media Studies, Kyoto University, Kyoto, Japan) ,  Iiyama Masaaki (Academic Center for Computing and Media Studies, Kyoto University, Kyoto, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12046  ページ： 339-352  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,気象学のための新しいアプローチを提案した。深い学習を用いて海面水温(SST)を推定する。SSTは海洋関連産業にとって不可欠な情報であるが,測定が困難である。気象衛星に関するマルチスペクトル画像センサは広い範囲にわたってSSTを測定するために使用されているが,それらは雲によってカバーされた地域における水温を測定することができず,従って,ほとんどの温度データは部分的に閉塞される。気象学において,物理に基づくシミュレーションによるデータ同化は,閉塞したSSTを補間するために使用して,衛星によって観測に適合する物理的に正確なSSTを生み出すことができた。しかし,それは巨大な計算コストを必要とした。事前計算データ同化SSSTを用いた低コスト学習ベースの方法を提案した。著者らの復元モデルは,生成したSST画像の物理的正当性を評価し,SST画像を実時間で復元する,敵の物理的モデル損失を採用する。衛星画像による実験結果は,提案した方法がオクルージョンなしで物理的に正確なSST画像を再構成できることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 再構成 ,  海洋 ,  オクルージョン ,  *雑音低減 ,  *海面水温 ,  気象学 ,  学習 ,  イメージセンサ ,  衛星利用画像 ,  水温 ,  気象衛星 ,  データ同化 ,  画像復元
準シソーラス用語： 多重スペクトル ,  *物理モデル , 【Automatic Indexing@JST】

著者キーワード (3件)： 画像修復 ,  海面温度 ,  敵対的損失

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 敵対 ,  物理モデル ,  損失 ,  海面温度 ,  ノイズ除去 ,  修復