OilSAM2: スケーラブルな SAR 油膜検出のためのメモリ拡張型 SAM2

要旨: 合成開口レーダー（SAR）画像から油膜をセグメンテーションすることは、外観の大きな変動、スケールの不均一性、実世界の監視シナリオにおける時間的一貫性の欠如のため、依然として困難です。Segment Anything (SAM) のような基盤モデルはプロンプト駆動のセグメンテーションを可能にしますが、既存の SAM ベースの手法は単一画像でのみ動作し、シーン間の情報を効果的に再利用することができません。メモリ拡張型の変種（例：SAM2）はさらに時間的一貫性を前提とするため、順序付けられていない SAR 画像コレクションに適用すると意味的ドリフトを生じやすくなります。私たちは、順序付けられていない SAR 油膜監視に適したメモリ拡張型セグメンテーションフレームワークOilSAM2を提案します。OilSAM2は、階層的な特徴認識を備えたマルチスケールのメモリバンクを導入し、テクスチャ・構造・意味表現を明示的にモデリングすることで、跨ぐ画像間の情報再利用を堅牢に実現します。メモリのドリフトを緩和するため、意味的不一致と構造の変化に基づいて選択的にメモリを更新する、構造-意味的一貫性のあるメモリ更新戦略をさらに提案します。二つの公開SAR油膜データセットでの実験により、OilSAM2は最先端のセグメンテーション性能を達成し、騒がしい SAR 監視シナリオ下でも安定かつ正確な結果を提供することを示しています。ソースコードは https://github.com/Chenshuaiyu1120/OILSAM2 に公開されています。