共同ガイダンスと共同融合による安定した半教師ありリモートセンシングセグメンテーション

この論文は、半教師ありリモートセンシング画像セグメンテーションにおける疑似ラベルドリフトの問題に対処しています。Co2Sという新しいフレームワークを提案し、ビジョン-言語モデルと自己教師ありモデルを活用して、セグメンテーションの精度と安定性を向上させています。デュアルスタチューデントアーキテクチャ、共同ガイダンス、および特徴融合戦略の使用が重要な革新です。この論文の重要性は、リモートセンシングアプリケーションにおける広範な手動アノテーションの必要性を減らし、より効率的でスケーラブルにする可能性にあります。

• •半教師ありリモートセンシングセグメンテーションのための新しいフレームワーク、Co2Sを提案。
• •CLIPとDINOv3の事前学習済みモデルを使用したデュアルスタチューデントアーキテクチャを採用。
• •セグメンテーションの精度と安定性を向上させるための共同ガイダンスと特徴融合戦略を導入。
• •複数のデータセットで優れた性能を実証。