リモートセンシングのシーン分類に関する調査：伝統的手法から大規模生成AIモデルまで

Abstract

遠隔センシングのシーン分類は、従来の手作り特徴量手法から、高度な人工知能システムへと、範例的（パラダイム的）な変革を経験してきました。これらは現在、近代的な地球観測アプリケーションの基盤となっています。本包括的な調査では、方法論の全体的な進化を検討し、古典的なテクスチャ記述子と機械学習分類器から、深層学習の革命を経て、現在の最先端の基盤モデルおよび生成AIアプローチに至るまでを、体系的に追跡します。手作業による特徴量エンジニアリングから、畳み込みニューラルネットワークによる自動化された階層的表現学習への重要な転換を記述し、さらに、Vision Transformers、グラフニューラルネットワーク、ハイブリッドな枠組みといった発展的なアーキテクチャへと続きます。本調査は、自主教師ありの基盤モデルやビジョン言語システムにおける画期的な進展を、ゼロショットおよび少数ショット学習のシナリオでの卓越した性能に焦点を当てて、深くカバーします。合成データ生成や高度な特徴学習戦略を通じて、持続的な課題に取り組む生成AIの革新に特に重点を置きます。注釈コスト、多モーダルデータ融合の複雑さ、解釈可能性の要求、そして倫理的考慮といった、今日的な障害を分析し、あわせて、エッジコンピューティングへの展開、連合学習の枠組み、そして持続可能なAIの実践に関する現在の動向も扱います。最近の進展とギャップの包括的な分析に基づき、将来の主要な研究優先事項として、ハイパースペクトルおよび多時系列解析能力の向上、頑健なクロスドメイン汎化手法の開発、そして科学的進歩を加速するための標準化された評価プロトコルの確立を特定します。