リモートセンシングのための継続的ビジョン・言語学習：ベンチマークと分析
arXiv cs.CV / 2026/4/2
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、リモートセンシングのビジョン・言語モデルにおける重要な制約として、静的なデータセットで学習されるため、新たに出現するセンシングモダリティや下流タスクに適応する際に壊滅的忘却を起こしやすい点を明らかにする。
- 継続的ビジョン・言語学習のためのリモートセンシング向け新ベンチマークとしてCLeaRSを提案し、10の厳選されたサブセットと、多様なタスク・モダリティ・適用シナリオにまたがる207k件超の画像-テキスト対を含める。
- 著者らは、モデルが時間経過の中でどれだけ保持し適応できるかを測るために、長期ホライズン、モダリティのインクリメンタル、タスクのインクリメンタルの3つの評価プロトコルを定義する。
- 大規模な実験の結果、検証したすべての継続学習設定において壊滅的忘却が発生し、タスク・指示・モダリティの遷移を伴う場合には、適応型の継続学習手法による改善効果は限定的であることが示される。
- これらの結果は、リモートセンシングのビジョン・言語学習という状況に特化した継続学習アプローチの開発を後押しする。
