Normalizing flow-based deep variational Bayesian network for seismic multi-hazards and impacts estimation from InSAR imagery

要約

地震などの現場災害は、地滑りやインフラ損傷などの連鎖的な危険や影響を引き起こし、壊滅的な損失につながる可能性があります。
したがって、タイムリーかつ効果的な災害後の対応には、迅速かつ正確な見積もりが不可欠です。
干渉型合成開口レーダー (InSAR) データは、危険を迅速に推定するための高解像度のオンサイト情報を提供する上で重要です。
InSAR 画像信号を使用した最新の方法は、単一タイプの危険を予測するため、同じ場所にある危険、影響、および無関係な環境変化 (植生の変化、人間の活動など) によって引き起こされるノイズの多い複雑な信号により精度が低いことがよくあります。
ノイズの多い InSAR 画像からの複数の未観測ハザードと影響の事後推定を結合して近似するために導出された正規化フローを使用した新しい確率的変分推論を導入します。

要約(オリジナル)

Onsite disasters like earthquakes can trigger cascading hazards and impacts, such as landslides and infrastructure damage, leading to catastrophic losses; thus, rapid and accurate estimates are crucial for timely and effective post-disaster responses. Interferometric Synthetic aperture radar (InSAR) data is important in providing high-resolution onsite information for rapid hazard estimation. Most recent methods using InSAR imagery signals predict a single type of hazard and thus often suffer low accuracy due to noisy and complex signals induced by co-located hazards, impacts, and irrelevant environmental changes (e.g., vegetation changes, human activities). We introduce a novel stochastic variational inference with normalizing flows derived to jointly approximate posteriors of multiple unobserved hazards and impacts from noisy InSAR imagery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google