Trust-SSL: Migliorare la Robustezza nell'Apprendimento Auto-Supervisionato per Immagini Aeree
Uno studio recente presenta Trust-SSL, un nuovo approccio di addestramento e un adattamento architetturale volto a migliorare l'apprendimento auto-supervisionato (SSL) per immagini aeree. Le tecniche SSL tradizionali si concentrano sul mantenere la coerenza tra viste aumentate; tuttavia, le immagini aeree affrontano spesso sfide come foschia, sfocatura da movimento, pioggia e occlusioni che oscurano dettagli vitali. Allineare viste pulite e degradate può portare a strutture fuorvianti. Trust-SSL incorpora un peso di fiducia per ogni campione e fattore nell'obiettivo di allineamento, che viene aggiunto alla perdita contrastiva di base. Invece di utilizzare un gate moltiplicativo, viene applicato un stop-gradient al peso di fiducia, poiché gli esperimenti indicano che quest'ultimo indebolisce il backbone. Questo metodo additivo-residuo migliora la robustezza. I risultati sono disponibili su arXiv come preprint 2604.21349.
Fatti principali
- Trust-SSL è una nuova strategia di addestramento per l'apprendimento auto-supervisionato aereo.
- Affronta corruzioni come foschia, sfocatura da movimento, pioggia e occlusione.
- Viene introdotto un peso di fiducia per campione e per fattore nell'obiettivo di allineamento.
- Il peso di fiducia è combinato con la perdita contrastiva di base come residuo additivo.
- Viene applicato un stop-gradient al peso di fiducia invece di un gate moltiplicativo.
- Il gate moltiplicativo danneggia il backbone, mentre il residuo additivo migliora la robustezza.
- Lo studio è pubblicato su arXiv come preprint 2604.21349.
- L'articolo è classificato come annuncio di tipo incrociato.
Entità
Istituzioni
- arXiv