Joseph Metcalfe氏らは9月29日(現地時間)、衛星画像時系列データにおける作付地セグメンテーションのための新たなハイブリッドTransformer-畳み込みニューラルネットワーク（CNN）モデル「パターンズ（PAtteRNS）」を発表した。PAtteRNSは、Sentinel-2マルチスペクトル衛星画像時系列データ（SITS）の時間的、スペクトル的、空間的側面それぞれに自己注意機構を個別に利用する初のモデルであり、既存モデルの性能を上回る結果を示している。
PAtteRNSのアーキテクチャは、深層アブレーションスタディを通じてその有効性が検証された。このモデルは、独自に開発された並列Transformerアーキテクチャを導入し、完全因子分解された注意を実現する。これにより、三重因子分解された自己注意の計算複雑性が大幅に削減され、効率的な処理を可能にしている。
研究チームは、PASTISおよびMTLCCデータセットの複数タイルサイズバリアントにおいて、最先端の作付地セグメンテーションモデルと比較した性能分析を実施した。その結果、PAtteRNSは作付地クラスセグメンテーションのタスクにおいて、比較対象の全モデルを上回る性能を示した。特に、Boundary IoUメトリックを用いて評価された、これまであまり報告されていなかったparcel delineation quality（区画の境界線描画品質）において、顕著に優れた性能を発揮し、高精度な境界線描画能力を実証した。
この研究では、衛星画像時系列データ（SITS）の作付地セグメンテーションデータセットにおけるいくつかの課題も浮き彫りになった。具体的には、データセット内の不適切なクラス分類や、作付地セグメンテーションデータセットの異なるタイルサイズバリアント間での結果の非比較可能性が指摘された。これらの知見に基づき、SITS作付地セグメンテーションデータセット構築におけるベストプラクティスを標準化することが提言されている。さらに、将来的に理想的なモデル性能を引き出すために、動的なタイルサイズ設定を可能にするためのさらなる研究が必要であると結論付けられた。
参考: arXiv cs.CV (アーカイブ) — 2026年9月30日 02:59 (JST)