CraterBench-R: Instance-Level Crater Retrieval for Planetary Scale

1. El Problema

El análisis de cráteres de impacto es fundamental para la ciencia planetaria (estimación de edades, historia de degradación, propiedades del objetivo). Sin embargo, los flujos de trabajo científicos actuales (deduplicación de catálogos, emparejamiento entre observaciones, descubrimiento de análogos morfológicos) requieren recuperación de imágenes a nivel de instancia, no solo detección.

Los desafíos principales identificados son:

• Limitaciones de la Detección: Los modelos actuales predicen ubicación y diámetro, pero no proporcionan representaciones visuales necesarias para asociar el mismo cráter físico a través de diferentes escalas, contextos e iluminaciones.
• Complejidad Visual: Los cráteres en Marte presentan estados de degradación extremos (desde prístinos hasta erosionados), mecanismos de relleno variados (dunas, lava) y cambios radicales de iluminación, lo que genera variaciones estructurales y fotométricas severas.
• Ineficiencia de los Modelos Actuales:
  • Los enfoques de agrupación global (pooling) en Vision Transformers (ViT) comprimen demasiado los detalles espaciales, limitando la precisión.
  • El uso de todos los tokens (196 parches) para una interacción tardía (late interaction) es demasiado costoso en almacenamiento y cómputo para escalas planetarias.
  • El ajuste fino supervisado (fine-tuning) falla en este dominio debido a la escasez de vistas múltiples por identidad (solo 2 vistas por cráter), lo que degrada el rendimiento en lugar de mejorarlo.

2. Metodología Propuesta

Los autores proponen un enfoque integral que abarca desde la creación de un benchmark hasta una nueva arquitectura de recuperación:

A. CraterBench-R (Benchmark)

• Datos: Un conjunto de datos curado con ~25,000 identidades de cráteres en imágenes CTX de Marte.
• Estructura: 50,000 imágenes de galería (2 contextos por cráter: 2x y 3x diámetro) y 5,000 consultas manualmente verificadas (1,000 cráteres x 5 vistas).
• Protocolo: Tarea de recuperación estricta de identidad (mismo cráter físico) bajo cambios de escala y contexto.

B. Estrategia de Representación: Aggregation de Tokens de Instancia

Para superar la brecha entre la eficiencia de un solo vector y la precisión de todos los tokens, proponen Instance-Token Aggregation:

1. Selección de Semillas (Seeds): Se seleccionan $K$ tokens semilla ($K \ll 196$) basándose en la atención (saliente) o muestreo de puntos más lejanos (FPS).
2. Asignación: Los tokens restantes se asignan a la semilla más cercana mediante similitud coseno.
3. Agregación: Cada grupo se condensa en un único token representativo combinando la semilla con la media de sus tokens asignados.
   • Ventaja: A diferencia de los centroides de K-means, este método preserva la identidad del token semilla, manteniendo detalles morfológicos locales sin difuminar la información.
   • Cero Entrenamiento: Opera sobre características congeladas (frozen features), evitando los problemas del ajuste fino en datos limitados.

C. Pipeline de Recuperación en Dos Etapas

Para hacer la búsqueda viable a escala planetaria:

1. Etapa 1 (Cribado): Búsqueda rápida de un subconjunto candidato (top-S) utilizando un índice FAISS de un solo vector (CLS o GeM).
2. Etapa 2 (Reordenamiento): Reordenamiento del subconjunto candidato utilizando la interacción tardía (ColBERT-style) sobre los tokens de instancia agregados.

3. Contribuciones Clave

1. CraterBench-R: El primer benchmark estandarizado para recuperación de cráteres a nivel de instancia, con protocolos de evaluación rigurosos y datos multi-escala.
2. Diagnóstico de Línea Base: Demostración de que:
   • La agrupación global (single-vector) tiene un techo de precisión bajo.
   • El ajuste fino supervisado con pérdidas métricas estándar degrada el rendimiento debido a la falta de diversidad de vistas positivas.
   • Los modelos ViT auto-supervisados (especialmente pre-entrenados en el dominio, como MarsDINO) superan a los modelos genéricos masivos.
3. Instance-Token Aggregation: Un método determinista y sin entrenamiento que comprime 196 tokens en $K$ tokens altamente discriminativos, preservando la morfología local.
4. Pipeline Escalable: Un sistema práctico que recupera el 89-94% de la precisión de la interacción tardía exhaustiva con una latencia de milisegundos y un almacenamiento significativamente reducido.

4. Resultados Principales

• Rendimiento de Modelos: Los modelos ViT auto-supervisados dominan. MarsDINO (ViT-B/16 pre-entrenado en Marte) alcanza un mAP de 0.553 con solo 85M parámetros, superando a modelos genéricos con hasta 79 veces más parámetros (ej. DINOv3 de 7B).
• Efectividad de la Agregación:
  • Con K=16, la agregación de tokens mejora el mAP en +17.9 puntos sobre la selección de tokens crudos.
  • Con K=64, iguala la precisión de usar los 196 tokens completos pero con mucho menos almacenamiento.
• Comparación con Clustering: La agregación de tokens supera a los métodos clásicos como VLAD y K-means por imagen en presupuestos de almacenamiento operativos ($K \ge 32$), ofreciendo descriptores deterministas sin iteraciones de optimización.
• Pipeline de Dos Etapas:
  • Con un tamaño de lista corta ($S$) de 100, el sistema recupera el 94% de la precisión máxima de la interacción tardía exhaustiva.
  • La latencia por consulta es de milisegundos (ej. 3.6 ms para $S=100$), haciendo viable la búsqueda en catálogos de millones de elementos.
  • La compresión INT8 no afecta significativamente la precisión.

5. Significado e Impacto

Este trabajo aborda un desafío fundamental en la GeoAI: cómo escalar la recuperación de instancias en grandes corpora generados por modelos fundacionales geoespaciales.

• Cambio de Paradigma: Demuestra que para la ciencia planetaria, la ingeniería de cómo se emparejan los tokens espaciales (interacción tardía + agregación) es más crítica que simplemente aumentar el tamaño del modelo o el ajuste fino supervisado.
• Viabilidad Operativa: Proporciona una solución práctica para la gestión de catálogos planetarios masivos, permitiendo tareas como la deduplicación de cráteres y la búsqueda de análogos morfológicos con recursos computacionales razonables.
• Generalización: Aunque se prueba en Marte, la metodología (agregación de tokens, pipeline de dos etapas) es agnóstica al dominio y aplicable a tareas de observación terrestre como detección de cambios, localización geográfica y deduplicación de escenas.

En resumen, CraterBench-R establece un nuevo estándar para la evaluación de recuperación en ciencia planetaria y ofrece una arquitectura eficiente que permite aplicar técnicas avanzadas de visión por computadora (como la interacción tardía de ViT) a escalas globales sin sacrificar la precisión ni la eficiencia.