論文の概要: Cross-modal learning for SAR target recognition using optical vision foundation models

• arxiv url: http://arxiv.org/abs/2609.07753v1
• Date: Mon, 07 Sep 2026 16:54:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.487256
• Title: Cross-modal learning for SAR target recognition using optical vision foundation models
• Title（参考訳）: 光ビジョン基礎モデルを用いたSAR目標認識のためのクロスモーダル学習
• Abstract要約: 本稿では,光学データに基づいて学習した視覚基盤モデルを用いて,SAR分類のためのクラスレベルの監視を行う方法について検討する。 SARモデルは、その埋め込みを対応するEOクラスのプロトタイプに整列させながら、SARイメージを分類するように訓練される。 我々は,高精細画像を持つ民間車両のEOおよびSARデータセットであるUNICORNv2データセットに対するアプローチを評価した。
• 参考スコア（独自算出の注目度）: 10.266600680575166
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic Aperture Radar (SAR) is an important modality in a wide range of imaging applications due to its versatile, long range and near all weather operating capabilities. However, Automatic Target Recognition (ATR) remains a challenging problem due to limited labelled data, the strong speckle in SAR images and the significant domain gap between SAR and more abundant optical imagery. In contrast, electro-optical (EO) imagery benefits from massive datasets, clearer visual structure and powerful foundation models. In this work, we investigate how vision foundation models trained on optical data can provide class level supervision for SAR classification. We propose a cross-modal EO to SAR prototype alignment framework in which a frozen EO encoder, based on a DINOv3 vision foundation model, is used to construct class level optical prototypes without requiring strict EO/SAR pairs. A SAR model is then trained to classify SAR images while aligning its embeddings to the corresponding EO class prototype. At inference time, the SAR model operates independently, without access to optical imagery. We evaluate our approach on the UNICORNv2 dataset, an EO and SAR dataset of civilian vehicles with heavily speckled images and severe class imbalance. EO prototype alignment improves SAR classification accuracy over frozen DINOv3, SAR only finetuning and unpaired distribution alignment baselines, and t-SNE visualizations provide qualitative evidence of clearer separation among classes in the trained SAR embedding space. These results suggest that optical vision foundation models, despite being trained on visible spectrum imagery, provide transferable information for SAR image classification, offering a practical method for using large scale pretrained vision foundation models across challenging sensing modalities.
• Abstract（参考訳）: SAR(Synthetic Aperture Radar)は、多用途、長距離、ほぼ全ての気象観測能力のために、幅広い画像応用において重要なモダリティである。 しかし、ATR(Automatic Target Recognition)は、ラベル付きデータの制限、SAR画像の強いスペックル、SARとより豊富な光学画像の間の大きな領域ギャップなど、依然として困難な問題である。 対照的に、電気光学(EO)の特徴は、巨大なデータセット、より鮮明な視覚構造、強力な基礎モデルから恩恵を受ける。 本研究では,光学データに基づいて学習した視覚基礎モデルを用いて,SAR分類のためのクラスレベルの監視を行う方法について検討する。 本稿では,DINOv3ビジョン基盤モデルに基づく冷凍EOエンコーダを用いて,厳密なEO/SARペアを必要とせず,クラスレベルの光学プロトタイプを構築するためのクロスモーダルEO to SARプロトタイプアライメントフレームワークを提案する。 SARモデルは、その埋め込みを対応するEOクラスのプロトタイプに整列させながら、SARイメージを分類するように訓練される。 推測時、SARモデルは光学画像へのアクセスなしに独立して動作する。 UNICORNv2データセット(EOおよびSARデータセット)に対する我々のアプローチの評価を行った。 EOのプロトタイプアライメントは、凍結したDINOv3よりもSARの分類精度を向上し、SARは微調整と未調整の分布アライメントベースラインのみを改善し、t-SNE視覚化は、訓練されたSAR埋め込み空間内のクラス間でより明確な分離の質的な証拠を提供する。 これらの結果から,光学視基盤モデルは可視光スペクトル画像に基づいて訓練されているものの,SAR画像分類のための伝達可能な情報を提供し,大規模で事前訓練された視覚基盤モデルを用いたセンシング手法の実用化が期待できる。

関連論文リスト

• SARCLIP: A Vision Language Foundation Model for Semantic Understanding and Target Recognition in SAR Imagery [46.87845911116779]
  SARCLIPは、SARドメインに適した最初のビジョン言語基盤モデルである。 SARCLIPは、ドメイン転送戦略によって対照的な視覚言語学習アプローチを用いて訓練される。 画像テキスト検索とゼロショット分類タスクの実験は、SARCLIPの優れた性能を示す。
  論文  参考訳（メタデータ） (2025-10-26T13:04:50Z)
• Cross-View Open-Vocabulary Object Detection in Aerial Imagery [48.851422992413184]
  本研究では,地上画像からオープン語彙表現を適応させる新しい枠組みを提案し,空中画像における物体検出の課題を解決した。 コントラスト画像と画像のアライメントを導入し、空中と地上の埋め込みの類似性を高める。 我々のオープン語彙モデルは、DOTAv2上の+6.32 mAP、VisDrone上の+4.16 mAP、ゼロショット設定時のHRRSD上の+3.46 mAPの改善を実現する。
  論文  参考訳（メタデータ） (2025-10-04T16:12:03Z)
• Annotation-Free Open-Vocabulary Segmentation for Remote-Sensing Images [51.74614065919118]
  本稿では,アノテーションのないRS画像のオープン語彙セグメンテーションのための最初のフレームワークであるSegEarth-OVを紹介する。 粗い特徴から高分解能空間の詳細を頑健に復元する普遍的なアップサンプラーであるSimFeatUpを提案する。 また、パッチ機能から固有のグローバルコンテキストを抽出するための、シンプルで効果的なグローバルバイアス緩和操作も提示する。
  論文  参考訳（メタデータ） (2025-08-25T14:22:57Z)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• Unpaired Object-Level SAR-to-Optical Image Translation for Aircraft with Keypoints-Guided Diffusion Models [4.6570959687411975]
  SAR画像を光学画像に変換することは、下流タスクの解釈とサポートを強化するための有望な解決策である。 本研究では,無人航空機のSAR-光画像変換のためのキーポイント誘導拡散モデル(KeypointDiff)を提案する。
  論文  参考訳（メタデータ） (2025-03-25T16:05:49Z)
• SAR-W-MixMAE: SAR Foundation Model Training Using Backscatter Power Weighting [3.618534280726541]
  マスク付きオートエンコーダ(MAE)などの基礎モデルアプローチや、そのバリエーションが衛星画像に適用されている。 セマンティックラベリングによるデータセット作成の困難さと光学画像に対する高ノイズコンテントのため、SAR(Synthetic Aperture Radar)データは基礎モデルの分野ではあまり研究されていない。 本研究では,マスク付きオートエンコーダ,特にSentinel-1 SAR画像上のMixMAEとそのSAR画像分類タスクへの影響について検討した。
  論文  参考訳（メタデータ） (2025-03-03T05:09:44Z)
• Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [78.21609845377644]
  本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。 生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
  論文  参考訳（メタデータ） (2024-02-22T09:39:46Z)
• Non-Visible Light Data Synthesis and Application: A Case Study for Synthetic Aperture Radar Imagery [30.590315753622132]
  非可視光領域における安定拡散やイメージnのような大規模事前学習画像生成モデルの「隠れ」能力について検討する。 2段階の低ランク適応法を提案し,これを2LoRAと呼ぶ。 第1段階では、構造がSARと一致する空中視正則画像データを用いてモデルを適応させ、続いて第1段階からのベースモデルをSARモダリティデータによりさらに適応させる第2段階とする。
  論文  参考訳（メタデータ） (2023-11-29T09:48:01Z)
• PeaceGAN: A GAN-based Multi-Task Learning Method for SAR Target Image Generation with a Pose Estimator and an Auxiliary Classifier [50.17500790309477]
  SARターゲット画像生成のための新しいGANベースのマルチタスク学習(MTL)手法であるPeaceGANを提案する。 PeaceGANはポーズ角とターゲットクラス情報の両方を使用し、目的のポーズ角で所望のターゲットクラスのSARターゲット画像を作成することができる。
  論文  参考訳（メタデータ） (2021-03-29T10:03:09Z)
• Visualization of Deep Transfer Learning In SAR Imagery [0.0]
  eo shipデータセットでトレーニングされたネットワークの深い機能を活用するために、転送学習を検討する。 クラスアクティベーションマップの形でネットワークアクティベーションを調べることで、ディープネットワークが新しいモダリティをどのように解釈するかを知ることができます。
  論文  参考訳（メタデータ） (2021-03-20T00:16:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。