事前学習済み画像マッチャはSAR-光学衛星レジストレーションに十分か？

要旨: クロスモーダル光学-SAR（合成開口レーダ）レジストレーションは、リモートセンシングによる災害対応におけるボトルネックである一方、最新の画像マッチャーはほぼ独占的に自然画像領域を対象として開発・ベンチマークされている。 我々は、衛星またはSARデータに対する微調整やドメイン適応を行わないゼロショット設定において、合成された大規模画像のタイル推論、頑健な幾何学的フィルタリング、対応点（タイポイント）に基づく指標という決定論的プロトコルの下で、24の事前学習済みマッチャー系統をSpaceNet9および追加の2つのクロスモーダル・ベンチマーク上で評価する。 我々の結果は、非対称な転移（asymmetric transfer）を示しており、明示的なクロスモーダル訓練を行ったマッチャーが、それを行わないマッチャーを一様に上回るわけではない。 可視-熱画像マッチングのために訓練されたXoFTRとRoMaは、ラベル付きSpaceNet9訓練シーンにおいて報告されている最小の平均誤差3.0 pxを達成するが、RoMaはクロスモーダル訓練なしでこれを達成している。 合成のクロスモーダル対で訓練されたMatchAnything-ELoFTR（3.4 px）も、それに近い性能を示し、（作業仮説として）基盤モデルの特徴（DINOv2）が、明示的なクロスモーダル教師あり監督を部分的に代替する、モダリティ不変性への寄与をもたらしている可能性が示唆される。 伝統的な2D画像マッチング向けに設計されていない3D再構成マッチャー（MASt3R, DUSt3R）は、プロトコルへの感度が非常に高く、デフォルト設定のままでは脆弱である。 配備プロトコルの選択（幾何モデル、タイルサイズ、インライアのゲーティング）は、単一のマッチャーにおいて精度を最大33 imesまで変動させ、評価対象のスイープ内でマッチャーを入れ替えることよりも大きくなることがある。 実際、アフィン幾何のみでも平均誤差は12.34から9.74 pxへと低減する。 これらの知見は、既存マッチャーの実運用のための実践的指針と、クロスモーダル衛星レジストレーションに向けた将来のマッチャー設計の双方に資する。