地理情報を考慮した自己教師付き学習

対照学習（contrastive learning）手法は、コンピュータビジョンのタスクにおいて、教師あり学習と教師なし学習の間の性能差を著しく縮小してきている。本論文では、リモートセンシングを代表とする地理位置情報付きデータセットへのこうした手法の応用を検討する。リモートセンシングデータにおいては、ラベルなしデータはしばしば豊富である一方で、ラベル付きデータは限られている。まず、標準ベンチマークにおいて、対照学習と教師あり学習の間には、それぞれの特性の違いから、非自明な性能ギャップが依然として存在することを示す。このギャップを埋めるために、リモートセンシングデータに内在する空間時間的構造を活用する新たな学習手法を提案する。具体的には、時間的に整合された画像を用いて対照学習における時間的ポジティブペアを構築し、地理的位置情報を活用して事前タスク（pre-text tasks）を設計する。実験の結果、提案手法がリモートセンシングにおける画像分類、オブジェクト検出、セマンティックセグメンテーションの各タスクにおいて、対照学習と教師あり学習の性能差を顕著に縮小することを示した。さらに、地理的位置情報付きImageNet画像に対しても本手法が適用可能であり、さまざまな下流タスクにおける性能向上を実証した。プロジェクトのウェブページは以下のリンクから閲覧可能である：geography-aware-ssl.github.io。