論文の概要: XuanJian-DINOSAR: A SAR Foundation Model Based on Global and Local Semantic Consistency

• arxiv url: http://arxiv.org/abs/2611.06105v1
• Date: Wed, 04 Nov 2026 07:50:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.017799
• Title: XuanJian-DINOSAR: A SAR Foundation Model Based on Global and Local Semantic Consistency
• Title（参考訳）: XuanJian-DinoSAR:グローバルおよびローカルセマンティック一貫性に基づくSAR基礎モデル
• Abstract要約: XuanJian-DINOSARは、グローバルおよびローカルセマンティック一貫性に基づいたSAR基盤モデルである。 我々は、利用可能なSARターゲットチップ、検出画像、さまざまなターゲット、シーン、センサーにまたがるシーンイメージを360K以上キュレートする。 我々は,SAR強度統計値とコヒーレントイメージング特性に合わせた局所的意味整合性分岐を導入する。
• 参考スコア（独自算出の注目度）: 14.032712125078605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervised pre-training on synthetic aperture radar (SAR) imagery enables transferable representations, but the optical-SAR domain gap and speckle perturbations limit representation stability. Most SAR foundation models use masked image modeling (MIM) through pixel reconstruction or structural feature prediction, which is sensitive to speckle or relies on predefined operators. Joint modeling of cross-view semantics and perturbation stability at corresponding spatial locations remains underexplored. We propose XuanJian-DINOSAR, a SAR foundation model based on global and local semantic consistency. We curate over 360K publicly available SAR target chips, detection images, and scene images spanning diverse targets, scenes, and sensors, and adapt an optically pre-trained DINOv2 model to SAR through self-supervised learning. The framework combines DINO global semantic self-distillation, iBOT local masked modeling, and KoLeo feature-distribution regularization to learn globally discriminative and locally structure-aware representations. We introduce a local semantic consistency branch tailored to SAR intensity statistics and coherent imaging characteristics. Shared geometric transformations produce spatially aligned teacher weak views and student strong views. Intensity transformations and Gamma multiplicative speckle perturbations are applied to student views, while a cosine consistency loss aligns patch tokens at corresponding locations, promoting stability under radiometric perturbations. This objective complements the cross-region and cross-scale semantic consistency of DINOv2 multi-crop training, jointly enforcing global and local semantic consistency. Experiments on multiple downstream classification and detection datasets demonstrate state-of-the-art performance on most evaluation metrics, validating the generality and transferability of the learned representations.
• Abstract（参考訳）: 合成開口レーダ(SAR)画像による自己教師付き事前トレーニングは、転送可能な表現を可能にするが、光-SAR領域ギャップとスペックル摂動は表現安定性を制限する。 ほとんどのSARファウンデーションモデルは、ピクセル再構成や構造的特徴予測を通じてマスク画像モデリング(MIM)を使用しており、スペックルに敏感か、事前に定義された演算子に依存している。 クロスビューセマンティクスと摂動安定性の同時モデリングは, いまだに未検討である。 グローバルおよび局所的な意味的一貫性に基づくSAR基盤モデルであるXuanJian-DINOSARを提案する。 我々は、様々なターゲット、シーン、センサーにまたがる360K以上のSARターゲットチップ、検出画像、シーンイメージをキュレートし、自己教師付き学習を通じて、光学的に事前学習されたDINOv2モデルをSARに適応させる。 このフレームワークは、DINOグローバルセマンティック自己蒸留、iBOTローカルマスクモデリング、KoLeo特徴分布正規化を組み合わせて、グローバルな差別的および局所的な構造認識表現を学習する。 我々は,SAR強度統計値とコヒーレントイメージング特性に合わせた局所的意味整合性分岐を導入する。 共有幾何変換は、空間的に整合した教師の弱い視点と学生の強い視点を生み出す。 インテンシティ変換とガンマ乗算スペックル摂動を学生の視点に適用し、コサイン整合性損失は対応する場所でパッチトークンを整列させ、ラジオメトリック摂動下での安定性を促進させる。 この目的は、DINOv2マルチクロップトレーニングのクロスリージョンおよびクロススケールセマンティック一貫性を補完し、グローバルおよびローカルセマンティック一貫性を共同で強化する。 複数の下流分類と検出データセットの実験は、ほとんどの評価指標で最先端のパフォーマンスを示し、学習された表現の汎用性と伝達性を検証する。

関連論文リスト

• SARATR-X-v2: Scale-Aware Structural Pre-Training for SAR Foundation Models [43.156720517756405]
  SAR事前訓練対象は、転送可能な表現を生成するための2つの条件を満たすべきである。 物理基底安定性は固定演算子を好むが、セマンティックスケールの互換性はデータ駆動合成を好む。 SARATR-X-v2はどちらも単一の設計で和解する。
  論文  参考訳（メタデータ） (2026-07-25T14:51:05Z)
• RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
  リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。 これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。 空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:35:57Z)
• FlowEO: Generative Unsupervised Domain Adaptation for Earth Observation [8.162386935076237]
  FlowEOは、地球観測における画像空間UDAの生成モデルを活用する新しいフレームワークである。 我々は,SARから光翻訳への適応シナリオと自然災害による時間的・意味的な変化をカバーした4つのデータセットを対象とした実験を行った。 以上の結果から,FlowEOは領域適応のための既存の画像翻訳手法より優れており,より優れた知覚的画像品質を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-12-01T10:29:01Z)
• FUSAR-KLIP: Towards Multimodal Foundation Models for Remote Sensing [16.948824707021412]
  クロスモーダル人工知能は近年広く注目を集めており、自然画像の研究において大きな進歩を遂げている。 既存の手法は主にRGB画像用に設計されており、合成開口レーダ(SAR)画像のモデリングにおいて大きなギャップを残している。 本稿では,再利用可能なデータと評価ベースラインとともに,初の汎用SARマルチモーダル基盤モデルであるFUSAR-KLIPを提案する。
  論文  参考訳（メタデータ） (2025-09-28T15:03:25Z)
• 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)
• Quantitative Comparison of Fine-Tuning Techniques for Pretrained Latent Diffusion Models in the Generation of Unseen SAR Images [0.0]
  我々は、SAR(Synthetic Aperture Radar)のモダリティに、オープンソースのテキスト・ツー・イメージ基盤モデルを適用する。 我々は,UNet拡散バックボーン,変分オートエンコーダ(VAE)およびテキストエンコーダの完全な微調整とパラメータ効率の低いローランド適応(LoRA)を比較した。 この結果から,テキストエンコーダと学習トークン埋め込みベストにLoRAを併用したハイブリッド戦略フルUNetチューニングが,SAR形状とテクスチャを保存できることが示唆された。
  論文  参考訳（メタデータ） (2025-06-16T09:48:01Z)
• TerraFM: A Scalable Foundation Model for Unified Multisensor Earth Observation [65.74990259650984]
  本研究では,グローバルに分散したSentinel-1とSentinel-2画像を利用する,スケーラブルな自己教師型学習モデルTerraFMを紹介する。 我々のトレーニング戦略は、局所的・言語的コントラスト学習を統合し、二重中心化機構を導入する。 TerraFMは分類タスクとセグメンテーションタスクの両方において強力な一般化を実現し、GEO-BenchとCopernicus-Benchの先行モデルよりも優れている。
  論文  参考訳（メタデータ） (2025-06-06T17:59:50Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)

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。