Mine-JEPA：サイドスキャンソナーにおけるマイン風物体分類のための、ドメイン内自己教師あり学習

arXiv cs.CV / 2026/4/2

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、極端なデータ不足と自然画像に対する強いドメインギャップのもとで、サイドスキャンソナー（SSS）の機雷分類を対象とした、最初のドメイン内自己教師あり学習パイプラインとしてMine-JEPAを提案する。
SIGRegの正則化ベースのSSL損失と、ラベルなしソナー画像1,170枚のみを用いて、Mine-JEPAは二値の機雷 vs. 非機雷タスクでF1スコア0.935を達成し、微調整したDINOv3のベースラインを上回る。
3クラスの「機雷風」物体分類タスクでは、合成データ拡張によりMine-JEPAは0.820を達成し、再び微調整したDINOv3を上回る。
本研究では、すでに強力な基盤モデルに対してドメイン内SSLを適用すると、性能が大きく低下しうること（約10〜13ポイントの低下）を見出しており、より長い事前学習や適応が必ずしも有益とは限らないことを示唆している。
本手法はパラメータ効率性も示している。コンパクトなViT-Tinyバックボーンを用いることで、Mine-JEPAはDINOv3の約4分の1のパラメータで競争力のある結果を提供し、ソナー画像ではより大きなモデルよりも、その用途に合わせたドメイン内SSLが有望であることを裏付ける。