CloudMamba：リモートセンシング画像における雲検出のための不確実性ガイド付きデュアルスケールMambaネットワーク
arXiv cs.CV / 2026/4/9
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、単段階のピクセルごとのセグメンテーションにおける限界、特に薄い雲領域で高い曖昧性が生じる問題を解決する、リモートセンシング画像向けの雲検出用深層学習フレームワーク「CloudMamba」を提案する。
- CloudMambaは、不確実性に導かれた2段階パイプラインを用いる。埋め込みモジュールがセグメンテーションの信頼度（確信度）を推定し、次の段階で低信頼度の難所領域に対するリファインメント（精密化）を行う。
- 本モデルは、デュアルスケールのCNN–Mambaハイブリッドアーキテクチャを採用し、大域的な雲の構造と、小規模で断片化した雲、ならびに境界の詳細の両方をより適切に捉える。
- 著者らは、CloudMambaがTransformer系手法のような二次コストではなく線形計算複雑度を達成しつつ、GF1_WHUおよびLevir_CSデータセットでセグメンテーション精度を向上させたと報告している。
- 提案手法のコードはGitHubで公開されており、再現性の確保と、リモートセンシングのセグメンテーション課題に取り組む他者による導入を支援している。
