衛星画像に基づく地すべり検出のためのセグメンテーションモデルと適応戦略に関するベンチマーク研究

arXiv cs.CV / 2026/4/21

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本研究は、衛星画像からの地すべり検出に向けて、CNN、トランスフォーマー系セグメンテーションモデル、大規模事前学習基盤モデルを、統一した手順でベンチマークしています。
Globally Distributed Coseismic Landslide Dataset（GDCLD）を用いて、代表的なアーキテクチャと基盤モデルの相対的なセグメンテーション性能を比較します。
適応戦略として、フルファインチューニングとLoRAやAdaLoRAなどのパラメータ効率的ファインチューニングを評価し、学習可能パラメータを最大95%削減しつつ、精度はフルファインチューニングと同等に近いことを示します。
バリデーションと保持されたテスト（held-out）を比較して、分布シフト下での一般化性能と頑健性も分析しています。
総じて、トランスフォーマー系モデルがこのタスクで高い性能を示し、大規模モデルを地すべり検出へ効率よく適応する上でパラメータ効率的ファインチューニングが有効であることが示唆されます。