本研究では、S4と呼ばれる新しい自己教師型の事前学習アプローチを提案している。S4は、以下の2つの洞察を活用することで、ラベル付きデータの要件を大幅に削減する。
S4では、これらの洞察を利用して、事前学習タスクを設計している。また、m2s2-SITSと呼ばれる大規模な未ラベル付きの、空間的に整列された、マルチモーダルで地理的に特定された衛星画像時系列のデータセットを収集している。
最後に、S4をPASTIS及びAfrica Crop Type Mappingのセグメンテーションタスクに適用し、ラベル付きデータが限られている場合でも、競合手法に比べて優れた性能を示すことを実証している。
翻譯成其他語言
從原文內容
arxiv.org
深入探究