WILD-SAM：ラップドInSAR干渉画像における地すべり検出のための位相情報に基づくエキスパート適応SAM

概要: 包絡化された干渉合成開口レーダ（InSAR）干渉画像から、ゆっくりと移動する崩壊地すべりを直接検出することは、地球災害の効率的な監視にとって重要である。しかし、それは深刻な位相の曖昧性と複雑なコヒーレンスノイズによって、本質的に難しいままである。セグメント・エニシング・モデル（SAM）はセグメンテーションのための強力な基盤を提供するが、包絡化位相データへの直接の移植は、境界の輪郭を定めるのに不可欠な高周波フリンジを抑制してしまう、深刻なスペクトル領域のシフトによって妨げられている。このギャップを埋めるために、我々は包絡化された干渉画像上で高精度な地すべり検出を行うために、特化してSAMを適応させる新しいパラメータ効率の高い微調整フレームワークであるWILD-SAMを提案する。具体的には、凍結したエンコーダに位相認識ミクスチャ・オブ・エキスパート（PA-MoE）アダプタを統合してスペクトル分布を整合させ、さらにウェーブレット誘導サブバンド強調（WGSE）戦略を導入して周波数を意識した密なプロンプトを生成する。PA-MoEアダプタは、不均一な畳み込みエキスパート間での動的ルーティング機構を利用することで、多尺度のスペクトル—テクスチャの事前知識を適応的に統合し、自然画像と干渉計測位相データとの分布の不一致を効果的に整合させる。一方、WGSE戦略は離散ウェーブレット変換を用いて高周波サブバンドを明示的に分離し、方向性のある位相テクスチャを精緻化する。これにより、鋭い地すべり境界に沿ったトポロジーの整合性を確実にするための構造的手がかりを密なプロンプトとして注入する。ISSLIDEおよびISSLIDE+の広範な実験により、WILD-SAMは最先端の性能を達成し、対象の完全性と輪郭の忠実度の両面で、既存手法を大きく上回ることが示されている。