[2026年7月30日提出]

PDFを表示 HTML (experimental)

Abstract:低軌道からの航空監視は、2つの相互に関連したボトルネックに阻まれています。ナノサテライトはダウンリンクの予算が限られている一方、従来のアプローチでは処理のためにテラバイト単位の生画像を地上に送信し続けています。また、航空機向けのオープンな衛星データセットは不足しており、深刻なクラス不均衡があります。これらの制約は、タイムリーな意思決定を遅らせるか、標準的な検出器が稀な航空機クラスの堅牢な表現を学習するのを妨げます。本論文では、これら2つの制約に同時に対処するため、オンボード推論と生成データ拡張を組み合わせたワークフローを提案します。推論は、低消費電力エッジテンソルアクセラレータを搭載した6U CubeSat上で実行され、低ランク適応によりファインチューニングされた拡散モデルが、少数クラスの合成画像を生成します。この合成出力は、中間検出器によって自動的にアノテーション（擬似ラベル付け）され、従来の拡張サンプルと統合されます。結果、バランス調整されたデータセットにより、グローバル平均精度（mAP）が77.9%から82.2%に向上し、少数クラスのF1スコアが0.683から0.811に上昇しました。また、量子化された検出器はオンチップメモリに収まり、軌道上で25〜30フレーム/秒を投影します。このアプローチは、サテライトが受動的なデータ収集装置として機能する従来のbent-pipeアーキテクチャとは対照的です。したがって、計算テストは、ナノサテライトからのリアルタイム自律型航空監視のための意思決定支援ツールとして、提案ワークフローを支持します。

Submission history

From: David Muñoz-Valero [view email]
[v1] Thu, 30 Jul 2026 16:26:38 UTC (20,760 KB)