リモートセンシング画像を用いた洪水検知のための量子強化ビジョン・トランスフォーマー

要旨：信頼性の高い洪水検知は災害管理にとって極めて重要ですが、古典的な深層学習モデルはリモートセンシングデータに固有の高次元で非線形な複雑性にしばしば苦戦します。
これらの制限を緩和するために、トランスフォーマーのグローバルな文脈認識と量子計算の表現力豊かな特徴抽出能力を組み合わせた新しい 量子強化ビジョントランスフォーマー（ViT）を導入しました。
リモートセンシング画像を用いて、並列パスウェイを通じて入力を処理するハイブリッドアーキテクチャを開発しました。ViT（ビジョントランスフォーマー）のバックボーンと、局所的な特徴マッピングのために 4量子ビットのパラメータ化量子回路を用いる量子ブランチを組み合わせています。
これらの異なる表現は、二値分類を最適化するために統合されました。
結果は、提案されたハイブリッドモデルが古典的な ViT ベースラインを大幅に上回り、全体の精度を 84.48% から 94.47% へ、F1 スコアを 0.841 から 0.944 へ改善したことを示しました。
特に、量子統合は複雑な地形における両クラスの識別力を著しく向上させました。
これらの知見は、量子-古典ハイブリッドモデルが水文学モニタリングおよび地球観測アプリケーションの精度を向上させる可能性を裏づけます。