UnCRtainTS: 光学衛星時間系列データの雲除去における不確実性量化

雲や霞が光学衛星画像をしばしば遮蔽し、地球表面の連続的かつ高密度な監視を妨げることがあります。現代の深層学習手法は、このような遮蔽を暗黙的に学習して無視できるようになっていますが、事前処理として明示的な雲除去を行うことで、手動解釈が可能となり、アノテーションが少ない場合でもモデルの訓練が行えます。雲除去は、霞を通じて部分的に見えるシーンから完全に不透明な雲被覆まで、広範な遮蔽シナリオに対応する必要があるため困難です。さらに、再構築された画像を下流アプリケーションに統合する際には、信頼性のある品質評価が必要となります。本論文では、UnCRtainTSという多時相的な雲除去方法を紹介します。この方法は新しい注意機構に基づくアーキテクチャと多変量不確実性予測の定式化を組み合わせています。これらの2つの要素が組み合わさることで、2つの公開クラウド除去データセットにおける画像再構築性能において新たな最先端の成果を達成しています。また、良好にキャリブレーションされた予測不確実性により、再構築品質の精密な制御が可能であることを示しています。