弱ラベル付きSAR画像からの高分解能海氷トポロジー復元のための解析的ロジットスケーリング

概要: 高解像度の海氷マッピングは、合成開口レーダー（SAR）を用いることにより北極の航行と気候モニタリングにとって極めて重要です。
しかし、実運用の氷情報図は粗く、領域レベルのポリゴン（弱いラベル）しか提供せず、自動セグメンテーションモデルはピクセルレベルの精度に苦しみ、しばしば自信不足でぼやけた濃度マップを生み出します。
本論文では、区域ベースの損失で訓練されたU-Netアーキテクチャを用い、Sentinel-1 SARとAMSR-2放射計データを融合する弱教師付きディープラーニングパイプラインを提案します。
弱いラベルに起因する深刻な過小信頼を克服するため、推論後に適用される解析的ロジットスケーリング法を導入します。
各シーンの潜在空間の百分位（2% および 98%）に基づいて、温度とバイアスを動的に計算することにより、予測の物理的二値化を強制します。
この適応スケーリングはトポロジー抽出機として機能し、40メートル解像度で細かな海氷の亀裂（リード）を、手動のピクセルレベル注釈を一切必要とせずに検出します。
我々の手法は局所的なトポロジーを解決するだけでなく、地域規模のマクロ濃度を完全に保持し、夏場の高度に断片化したシーンで78%の精度を達成し、弱教師あり学習と高解像度の物理的セグメンテーションとのギャップを埋めます。