第一页設定論文再印刷の依頼オープンアクセス記事衛星リモートセンシングにおける順次型拡散モデルを用いた雲除去手法 著者：趙曉虎（Xiaohu Zhao）[ORCID]、賈克彬（Kebin Jia） [ORCID]北京工業大学 情報技術学部、中国北京市 100124 通信著者 Remote Sens. 2023, 15(11), 2861; https://doi.org/10.3390/rs15112861受領日：2023年4月11日／修正日：2023年5月24日／受諾日：2023年5月26日／公開日：2023年5月31日（本論文は「リモートセンシングにおける機械学習の進展：時空間一般化性の強化」特集号に掲載） ダウンロード／図表閲覧レビュー報告書／バージョン／備考 要旨宇宙から観測される光学衛星データの多くは、雲や霞によって汚損されており、地球観測データのさらなる応用を制限している。このため、理想的な雲除去手法の開発は極めて重要な課題である。本研究では、リモートセンシング分野における雲除去タスクに向け、新たな確率的生成モデル「順次型拡散モデル（SeqDMs）」を提案する。本手法は、多モーダル拡散モデル（MmDMs）と順次型学習・推論戦略（SeqTIS）から構成される。特に、MmDMsは、ノイズ除去拡散確率モデル（DDPMs）の逆過程を再構成する新しい拡散モデルであり、補助モーダルデータ（例：雲の影響に強い合成開口レーダー：SAR）から追加情報を統合することで、主モーダル（光学衛星画像）の分布学習を支援する。また、時間軸にわたる情報を考慮するため、SeqTISは、主モーダルおよび補助モーダルの入力系列に対して任意長の時系列情報を統合可能であり、モデルの再学習を必要としない。MmDMsとSeqTISの協働により、SeqDMsは任意長の入力系列を柔軟に処理でき、わずか1～2つの追加入力サンプルで顕著な性能向上が得られ、モデル再学習にかかる時間コストを大幅に削減する。本手法は、多モーダルかつ多時系列の雲除去タスクを対象とした公開実世界データセット「SEN12MS-CR-TS」を用いて評価された。広範な実験および消去実験の結果から、提案手法は、再構成画像の品質および任意長の入力系列への柔軟な対応性において、複数の最先端手法を上回る優位性を示した。