リモートセンシング表現のためのタスク誘導型マルチアノテーション・トリプレット学習
arXiv cs.CV / 2026/4/7
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、異なるアノテーション種別に対して静的な重みを用いていた先行のマルチタスク・トリプレット損失の限界を克服するために、リモートセンシング表現のためのタスク誘導型マルチアノテーション・トリプレット学習手法を提案する。
- 損失の大きさを調整する代わりに、相互情報量（mutual-information）基準により、タスク間で最も情報量の大きいトリプレットを選択し、共有表現の形を作るサンプルがタスクごとに変化するようにする。
- 実験では、空撮の野生動物データセットを用いて、提案する選択戦略を、マルチタスク表現学習における複数のトリプレット損失ベースラインと比較する。
- 結果として、分類および回帰の性能が改善し、タスクに応じたトリプレット選択が下流タスクに対してより有効な共有表現をもたらすことが示唆される。
