多时相冰河前缘分割
计算机视觉与模式识别
2025-12-15 v1 人工智能
摘要
海陆冰河的冰前沿会发生持续变化。这些变化显著影响冰河的质量和动力学，要求持续监测。为此，人们开发了能够自动在合成孔径雷达图像中描绘冰前沿的深度学习模型。然而，这些模型常常难以正确分类受季节性因素影响的区域，如冰泥或覆雪表面。为此，我们提出在同一冰河的卫星图像时间序列中并行处理多个帧，之间交换特征图的时序信息，以稳定每一次预测。我们将方法集成到当前最先进的架构Tyrion中，在CaFFe基准数据集上实现了新的最先进性能。具体而言，我们实现了184.4米的平均距离误差和83.6%的平均交并比。
引用
@article{arxiv.2512.11560,
title = {Multi-temporal Calving Front Segmentation},
author = {Marcel Dreier and Nora Gourmelon and Dakota Pyles and Fei Wu and Matthias Braun and Thorsten Seehaus and Andreas Maier and Vincent Christlein},
journal= {arXiv preprint arXiv:2512.11560},
year = {2025}
}