光学プライアを解き明かす：スペクトルに導かれたSAR向け知識転送による一般化カテゴリ発見
arXiv cs.CV / 2026/4/27
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、ラベルが乏しいSAR領域での一般化カテゴリ発見（GCD）の難しさを、光学基盤モデルの事前知識とSAR画像の間にあるクロスモーダル不整合の問題として扱います。
- クロスモーダルの不一致を、スペクトルエネルギー分布に基づく構造化された周波数領域の記述子としてモデル化するために、Modal Discrepancy Curve（MDC）を提案しています。
- MDCを用いて、対になった光学—SARデータによる事前学習フレームワークMCPTを提案し、Adaptive Frequency Tokenization（AFT）でMDCを学習可能トークンに変換し、Frequency-aware Expert Refinement（FER）で帯域ごとに不一致を意識した特徴の洗練を行います。
- 洗練された表現に対してコントラスト学習で両モダリティ間の埋め込みを整合させ、その適応パターンを内部化したうえで、学習したSAR表現を下流の単一モーダルSAR-GCDに転移します。
- 複数の主要データセットで最先端性能が示され、周波数領域の不一致モデリングが光学プライアのSARへの効果的な転送に寄与することが示唆されています。
