Transformers in Remote Sensing: A Survey

要約

ディープラーニングに基づくアルゴリズムは、過去10年の間にリモートセンシング画像解析の様々な分野で大きな人気を博してきた。最近では、もともと自然言語処理で導入された変換器ベースのアーキテクチャがコンピュータビジョン分野にも浸透し、長距離依存性を捉えるための一般的な畳み込み演算子の代わりとして自己アテンション機構が利用されている。コンピュータビジョンの最近の進歩に触発され、リモートセンシングの分野でも、多様なタスクのためのビジョン変換器の探求が盛んになってきている。コンピュータビジョンにおける変換器に関する調査は数多く行われているが、我々の知る限り、リモートセンシングにおける変換器に基づく最近の進歩の系統的なレビューを提示するのは我々が初めてである。この調査では、リモートセンシングのサブ領域である超高解像度（VHR）、ハイパースペクトル（HSI）、合成開口レーダー（SAR）画像における様々なリモートセンシング問題に対する60以上の最近の変換器を用いた手法をカバーしています。最後に、リモートセンシングにおけるトランスフォーマーの様々な課題と未解決の問題について議論し、このサーベイを終了します。さらに、我々はリモートセンシングにおけるトランスフォーマーの最新の論文を、それぞれのコードとともに https://github.com/VIROBO-15/Transformer-in-Remote-Sensing で頻繁に更新・管理するつもりです。

要約(オリジナル)

Deep learning-based algorithms have seen a massive popularity in different areas of remote sensing image analysis over the past decade. Recently, transformers-based architectures, originally introduced in natural language processing, have pervaded computer vision field where the self-attention mechanism has been utilized as a replacement to the popular convolution operator for capturing long-range dependencies. Inspired by recent advances in computer vision, remote sensing community has also witnessed an increased exploration of vision transformers for a diverse set of tasks. Although a number of surveys have focused on transformers in computer vision in general, to the best of our knowledge we are the first to present a systematic review of recent advances based on transformers in remote sensing. Our survey covers more than 60 recent transformers-based methods for different remote sensing problems in sub-areas of remote sensing: very high-resolution (VHR), hyperspectral (HSI) and synthetic aperture radar (SAR) imagery. We conclude the survey by discussing different challenges and open issues of transformers in remote sensing. Additionally, we intend to frequently update and maintain the latest transformers in remote sensing papers with their respective code at: https://github.com/VIROBO-15/Transformer-in-Remote-Sensing

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL