On-Orbit Real-Time Wildfire Detection Under On-Board Constraints

技術概要：オンボード制約下における軌道上リアルタイム山火事検出

問題定義
本論文は、極端な運用制約下での宇宙からの山火事検出という重要な課題に取り組んでいる。衛星ベースの監視は世界的な火災管理に不可欠であるが、既存のアーキテクチャは根本的なトレードオフに直面している：静止軌道プラットフォームは高い時間的再訪頻度を提供するが、空間分解能が粗く（2〜3 km）、小規模な火災を見逃す。低軌道（LEO）センサーはより高い分解能を提供するが、1 日あたりの通過回数が限られており、火災活動のピーク時間帯を見逃すことが多い。OroraTech の OTC-P1 ミッションは、9 機の熱赤外線衛星コンステレーションでこのギャップを埋めようとしているが、現在の最先端モデルでは満たすことができない一連の独自の結合制約を課している：

1. 厳格な遅延性: 衛星通過から通信までのエンドツーエンドの警報パイプラインは 10 分未満で動作する必要があり、ダウンリンクおよび処理アーキテクチャではなく、オンボード推論が必要となる。
2. リソース制約: 推論は、モデルサイズが 1 MB 未満、バッチあたりの推論遅延が 150 ms 未満という条件で、NVIDIA Jetson Xavier NX（10 W モード）上で実行されなければならない。
3. データ特性: システムは、校正されていない単一波長の中間赤外線（MWIR）画像（地上サンプリング距離 200 m）で動作する。火災はしばしばサブピクセルまたは単一ピクセルの熱異常として現れ、極端なクラス不均衡（火災ピクセルは有効ピクセルの約 0.018% を占める）を生み出す。
4. ノイズ: パイプラインは遅延を最小化するために放射較正を行わない生のデジタル数値（DN）を使用するため、センサーノイズやアーティファクトの影響を受けやすくなる。

現在の運用パイプライン（MODIS、VIIRS など）は、ヒューリスティックで文脈的な熱閾値法に依存しており、特に初期段階の火災のサブピクセル性やマルチスペクトル較正の欠如という特定の制約に対して困難を抱えている。

手法
著者は、校正されていない MWIR 画像に対する高密度セグメンテーションに特化した軽量自己教師あり学習アプローチであるDenseMAE（Dense Masked Autoencoder）を中心とした、展開指向の深層学習パイプラインを提案する。

• アーキテクチャ: DenseMAE は、完全畳み込み型のマスクオートエンコーダである。画像をトークン化する標準的なビジョントランスフォーマ（ViT）とは異なり、DenseMAE は、単一の早期ダウンサンプリング段階（$H/2 \times W/2$） followed by 受容野を効率的に拡大するための拡張畳み込みブロックを用いた段階的畳み込みエンコーダを使用する。これはグローバルな画像トークンではなく、ピクセルごとの高密度埋め込みを生成する。
• 事前学習目的: モデルは、マスク再構成目的を用いて事前学習される。入力からランダムなブロックがマスクされ、エンコーダ - デコーダ対は周囲の文脈から欠落した熱パターンを再構成することを学習する。損失は、マスクされた有効ピクセルのみで計算され、「データなし」領域は明示的に除外される。
• ハイブリッドアブレーション: 著者は、マスク再構成と指数移動平均（EMA）の教師 - 生徒一貫性損失を組み合わせたハイブリッド変種を検討した。しかし、実証結果はこれがわずかで一貫性のない改善しか提供しないことを示し、著者は再構成のみのアプローチを支持することとなった。
• 下流転移: 事前学習後、デコーダは破棄される。エンコーダは軽量ヘッドを用いて山火事セグメンテーションタスクに転移される。2 つの転移戦略が評価された：
  1. 凍結エンコーダ: 固定された埋め込みの上に軽量ヘッド（線形プローブまたは小型コンテキストヘッド）のみを訓練する。
  2. フル微調整: エンコーダとヘッドをエンドツーエンドで共同最適化する。
• 精細化: 火災のサブピクセル性に対処するため、高解像度（HR）精細化ヘッドが採用される。このモジュールは、エンコーダステムからの高解像度特徴を最終予測段階に再注入し、単一ピクセル異常の局所化を改善する。
• 訓練戦略: 極端なクラス不均衡に対処するため、訓練バッチは正のパッチに偏っている。システムは二値交差エントロピー損失、AdamW オプティマイザ、混合精度を使用する。

主な貢献

1. 展開パイプライン: 厳格な遅延（<150 ms）とサイズ（<1 MB）の制約下で、校正されていない単一波長 MWIR 画像上で動作する、軌道上山火事検出のための深層学習パイプラインの導入。
2. DenseMAE: 高密度 MWIR 表現を学習する軽量な段階的畳み込みマスクオートエンコーダの提案。プルーニングや圧縮なしでサブメガバイト展開モデルを可能にする。
3. 実証研究: 極端なクラス不均衡下での自己教師あり事前学習（MAE vs ハイブリッド EMA）と転移学習（凍結 vs フル微調整）の体系的評価。全テスト分布におけるピクセルレベルの平均精度（AP）を使用。
4. パレートフロンティアの達成: 高密度自己教師あり表現が、遅延 - 精度のパレートフロンティア上に位置するコンパクトなモデルを可能にし、同様の制約下で教師ありベースラインを上回ることを実証。

結果
システムは、OroraTech の OTC-P1 ミッションからの 839 枚の注釈付きシーン（訓練/検証/テストを 70/15/15% に分割）のデータセットで評価された。

• ベースラインとの性能比較: 最高性能の DenseMAE 設定（埋め込み次元 64、フル微調整、DW-Res ヘッド + HR 精細化）は、0.699 のテスト APと0.744 の Fire-F1を達成した。これは、同様の制約下で0.650 の APを達成した強力な教師ありベースライン（HR 精細化付き U-Net++）を上回る。
• 遅延とサイズ:
  • 最速設定（埋め込み次元 32、TRT-Head）は、0.640 の APを65.34 msの遅延（TensorRT FP16、バッチサイズ 8）で達成し、モデルエンジンサイズは0.52 MBであった。
  • 最高精度設定は1 MB 未満（0.91 MB）で、141 msの遅延であった。
• アブレーションの知見:
  • 埋め込み次元を 32 から 64 に増加させることは、一貫して AP を向上させた。
  • フル微調整は、凍結エンコーダ転移（emb64 の場合 0.689 vs 0.612 AP）を一貫して上回り、SSL 初期化は下流モデルがエンドツーエンドで適応できる場合に最も有益であることを示している。
  • ハイブリッド EMA 蒸留は、再構成のみの事前学習に対して一貫した全分布の改善を提供しなかった。
• 外部検証: モデルは、同時観測において VIIRS 375 m 活動火災製品（標準的な運用参照）と比較された。研究は、モデルが 103 の共通火災クラスターを検出しており、強いセンサー間一致を見出した。モデルは VIIRS が見落とした 33 のクラスター（検出限界付近の弱い熱信号であることが多い）と、モデルのみが検出した 3 つのクラスターを特定し、VIIRS の閾値以下の小さく短命な火災を発見する能力を示唆している。

意義と主張
本論文は、軽量な自己教師あり表現が、ハードウェアとデータ制約により従来の手法が失敗する場所で、正確かつ効率的な軌道上火災検出を可能にすると主張している。エッジハードウェア上でサブメガバイトのモデルサイズとサブ 100 ms の推論遅延を達成することで、このシステムは衛星通過から数分以内に火災の発生を検出可能なエンドツーエンドの警報パイプラインを可能にする。これは、火災発生と運用対応の間のギャップを縮小するための重要な一歩を表している。著者は控えめに、システムは一般的なセンサーアーティファクトに対する堅牢性を向上させるが、太陽光反射（sunglint）との混同は依然として課題であり、今後の研究ではこれらのエッジケースに対処するためにマルチチャネル入力または物理情報に基づく特徴が必要になる可能性があると指摘している。本研究は、高密度 SSL 事前学習が、極端なクラス不均衡とリソース制約付きリモートセンシングタスクに対して実行可能かつ優位な戦略であることを実証している。