技術概要：物理誘導レジームアンミキシング（PGRU）

問題定義

高分光イメージングは、数百のバンドにわたる地表の反射率を捉え、農業、地質学、環境モニタリングにおける物質の特性評価を可能にする。しかし、地表の不均質性に対する空間分解能が粗いため、個々の画素には複数の物質に由来する混合スペクトル応答が含まれることが頻繁にある。スペクトルアンミキシングは、純粋な物質シグネチャ（エンドメンバー）とその分率含有量を回復することを目的としている。

線形混合モデル（LMM）は、その単純さと物理的な解釈可能性により標準的なアプローチである。しかし、LMM は光子がセンサーに到達する前に単一の物質と相互作用するという仮定に基づいており、多重散乱の条件下ではこの仮定は破綻する。一般化二乗和モデル（GBM）、ポスト非線形混合モデル（PPNM）、ハプケ放射伝達モデルなどの非線形拡張はこれを解決するが、通常はシーン全体に一様に非線形性を適用する。この一様な適用は、どの特定の画素が非線形処理を必要とするかを区別できず、しばしば最適でない性能をもたらす。一方、ディープラーニングアプローチ（例えばオートエンコーダ）は強力な再構成を達成するが、「ブラックボックス」として機能し、レジーム選択の物理的説明や非線形性が活性化する条件について何の物理的説明も提供しない。

手法

著者は、物理的に正当化される場合のみ非線形混合を活性化する画素ごとのスカラー $\xi_i \in [0, 1]$ を推定するフレームワークである**物理誘導レジームアンミキシング（PGRU）**を提案する。従来の手法とは異なり、PGRU は画素が線形か非線形かを示すラベル付きデータを必要としない。代わりに、レジーム割り当ては、再構成の改善と物理的特徴の一貫性の間の相互作用から生じる。

モデル定式化

各画素 $i$ は以下のように再構成される：
$$\hat{y}_i = S_{lin,i} + \xi_i \delta_{nl,i}$$
ここで：

• $S_{lin,i}$ は標準的な LMM 成分（非負の含有量で和が 1）である。
• $\delta_{nl,i}$ は非線形残差である。
• $\xi_i$ はスイッチとして機能する：$\xi_i \approx 0$ はモデルを LMM に還元し、$\xi_i \approx 1$ は非線形寄与を完全に活性化する。

非線形残差の構築

残差 $\delta_{nl,i}$ は、3 つの物理モデルからの残差の重み付き組み合わせである：
$$\delta_{nl,i} = \sum_{k} \alpha_{ik} \delta_{ik}$$
重み $\alpha_{ik}$ は、温度制御された softmax を介して得られる学習済みアテンション係数であり、以下のものを組み合わせる：

1. GBM：エンドメンバー間のペアワイズ散乱を捉える。
2. PPNM：線形混合に対する二次的な歪みを導入する。
3. Hapke：放射伝達理論に基づいた多重散乱を記述する。
   $\alpha_{ik}$ に対するエントロピー正則化は、各画素における支配的な物理メカニズムへの集中を促す。

物理誘導レジーム推定

核心的な革新は、$\xi_i$ が再構成誤差だけでなく、観測可能なシーン特性によって誘導される点である。これは以下のように計算される：
$$\xi_i = \sigma \left( \sum_{k} w_k F_{ik} + b \right)$$
ここで：

• $F_{ik}$ は画素 $i$ の物理的および幾何学的特徴（スペクトル曲率、NDVI、NDVI 勾配、EMP、DMP、LBP）を表す。
• $w_k$ は学習済み重みである。
• $\sigma$ はシグモイド関数である。
  この定式化は特徴空間上のロジスティック回帰に相当し、レジーム決定を特徴の寄与の読みやすい和として解釈可能にする。

目的関数

モデルは、画素ごとの再構成利得 $\Delta_{res,i} = \|y_i - S_{lin,i}\| - \|y_i - \hat{y}_i\|$ を用いて訓練される。完全な目的関数 $L$ は以下の通りである：
$$L = \sum_{i} \left[ -\tanh(\Delta_{res,i}) + \lambda_{feat}(\xi_i - \xi_{prior,i})^2 + \lambda_{sp} \xi_i \nabla^2 \xi_i \right] + \lambda_w \|w\|^2$$

• 第一項は、再構成誤差を減少させる場所で非線形活性化を報酬する（$\tanh$ によって飽和する）。
• 第二項は、$\lambda_{feat}$ を訓練中にアンニールすることで、$\xi_i$ を特徴ベースの事前分布に固定する。
• 第三項は、ラプラシアン正則化器を通じてレジームマップの空間的一貫性を促進する。
• 最終項は重みに対する L2 正則化である。
  画素ラベルは使用されず、レジーム割り当ては完全に教師なしである。

主要な結果

著者は、PGRU を 3 つのベンチマークデータセット（Samson、Jasper Ridge、Urban）で評価した。ベースラインには LMM、GBM、PPNM が含まれた。

• 再構成精度：PGRU は、すべてのデータセットにおいてすべてのベースラインに対して一貫した改善を達成した。
  • Samson：rRMSE は 0.495（LMM）から0.052（PGRU）に低下した。
  • Jasper Ridge：rRMSE は 0.347（LMM）から0.068（PGRU）に低下した。
  • Urban：rRMSE は 0.331（LMM）から0.064（PGRU）に低下した。
  • 注目すべきは、一様な非線形ベースライン（GBM、PPNM）は LMM よりも一貫して優れておらず、一様な非線形性が逆効果になり得ることを確認した点である。
• 物理的一貫性：活性化マップ $\xi$ と再構成利得 $\Delta_{res}$ の間の相関 $\rho$ は、すべてのデータセットで0.90を超えた（それぞれ 0.93、0.91、0.92）。これにより、非線形混合は再構成の改善が観察される場所で正確に活性化されることが確認された。
• 解釈可能性：特徴重みの分析は、シーン適応型の挙動を明らかにした：
  • Jasper Ridgeでは、NDVI が支配的であり、密な植生（期待される多重散乱）における非線形活性化を集中させ、水域ではこれを抑制した。
  • Urbanでは、スペクトル曲率が選択を主導し、植生の相互作用ではなく、物質境界における構造的複雑さを反映した。
  • 空間マップ（例えば図 1）は、モデルがレジーム選択を観測可能なシーン特性に固定し、なぜその画素が非線形であるのかに対する画素レベルの説明を提供することを示した。

意義と主張

本論文は、PGRU がスペクトルアンミキシングにおける重要なギャップ、すなわち特定の画素がなぜ非線形モデルを必要とするのかを決定する課題に対処すると主張している。レジームスカラー $\xi_i$ を観測可能な物理的特徴に基づけることで、モデルはラベル付きデータなしで解釈可能なレジームマップを生成する。

著者は、選択的かつ説明可能な非線形性が、一様な線形アプローチと一様な非線形アプローチの両方よりも優れていると主張している。彼らは PGRU を、物理的証拠によって正当化される場合のみ非線形性が適用される中間的な立場として、全球的に線形または全球的に非線形なモデルに対する実用的な代替案として位置づけている。

著者は主張について控えめなトーンを維持しており、以下の点を指摘している：

1. これらの結果は予備的なものであり、最近のディープラーニングベースラインに対する広範な検証を必要とする。
2. 物理モデルアンサンブル、特徴誘導活性化、空間正則化の相対的重要性は、体系的なアブレーション研究を通じてまだ解きほぐされていない。
3. 盲アンミキシング設定、真の非線形相互作用ラベルを持つシナリオ、より複雑な混合シナリオへの手法の拡張には、今後の研究が必要である。