MOMO：火星軌道アプリケーションのための火星軌道モデル基盤モデル
arXiv cs.CV / 2026/4/6
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文では、HiRISE、CTX、THEMISの表現を0.25〜100 m/ピクセルの解像度範囲にわたって統合し、火星リモートセンシングにおける最初のマルチセンサー基盤モデルとしてMOMOを紹介する。
- MOMOの中核的な貢献は、複数センサー間で融合する前に、タスク算術によってモデルを統合する際の安定性と汎化性能を高めるため、センサーごとに整合する収束段階を選択するEqual Validation Loss（EVL）チェックポイント整列戦略にある。
- 本モデルは、約1,200万サンプルからなる厳選された火星軌道データセットで学習され、Mars-Benchベンチマークスイートを用いて9つの下流タスクで評価される。
- 結果として、MOMOはImageNetでの事前学習、地球観測の基盤モデル、センサー固有の事前学習、完全教師ありアプローチなど複数のベースラインを上回り、特にセグメンテーションで大きな向上が見られる。
- 著者らは、事前学習および評価に関連するモデル重みとコード／データを公開し，再現性と、下流の火星軌道アプリケーション開発を支援する。
