PulseAugur
中
实时 07:22:35
English(EN) High-Resolution Flood Mapping With Sentinel-1 and Sentinel-2 via Misalignment-Robust Cross-Sensor Learning and Generative Despeckling

新的AI框架通过卫星图像增强洪水测绘 · 已追踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种使用Sentinel-1和Sentinel-2卫星图像进行高分辨率洪水测绘的新框架。该方法通过引入一个针对美国本土的新数据集并采用新颖的学习策略，解决了光学数据中的云覆盖和雷达数据中的斑点噪声等限制。该框架利用了移位不变损失函数来处理地理定位不确定性，并使用条件变分自编码器（CVAE）进行生成去斑，在洪水测绘精度方面取得了显著改进。 AI

影响 这项研究可能带来更准确、更及时的洪水探测，从而改善灾害响应和管理。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种新的洪水测绘方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的AI框架通过卫星图像增强洪水测绘 · 已追踪2个来源

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · David Ma, Jeremy Feinstein, Shreya Pandit, Arkaprabha Ganguli, Eugene Yan ·

    利用Sentinel-1和Sentinel-2通过抗错位跨传感器学习和生成去噪技术实现高分辨率洪水测绘

    arXiv:2606.30511v1 Announce Type: new Abstract: Reliable high-resolution flood extent mapping from satellite imagery remains constrained by limited data fidelity and sensor-specific artifacts. Multispectral optical imagery is degraded by clouds, shadows, and urban confounders, wh…

  2. arXiv cs.CV TIER_1 English(EN) · Eugene Yan ·

    利用Sentinel-1和Sentinel-2通过抗错位跨传感器学习和生成去噪技术实现高分辨率洪水测绘

    Reliable high-resolution flood extent mapping from satellite imagery remains constrained by limited data fidelity and sensor-specific artifacts. Multispectral optical imagery is degraded by clouds, shadows, and urban confounders, while synthetic aperture radar (SAR) imagery is af…

相关实体

相关话题