A Modern ConvNet for Solar Filament Detection

技術要約：太陽フィラメント検出のための現代的なConvNet

問題提起
自動化された太陽フィラメント検出は、主に2つの課題に直面している。第一に、フィラメントのセマンティック・セグメンテーションは、複雑なマルチスケール特徴抽出タスクであり、フィラメントのサイズが大きく変動する（活動領域のフィラメント <10⁴ kmから、静穏領域のフィラメント ~10⁵ kmまで）ロングテール分布という特性を持つ。また、これらは太陽円盤の10%未満しか占めていない。第二に、堅牢なディープラーニングモデルを訓練するために必要な、大規模かつ極めて完全で詳細なデータセットが決定的に不足していることである。既存の手法は、固定閾値を用いた伝統的な画像処理（観測条件の変化に対する堅牢性に欠ける）や、単一のHα画像における意味的な曖昧さゆえに断片の統合に苦慮するディープラーニングのワークフローに依存することが多い。さらに、手動によるアノテーションはリソース集約的であり、微小な、あるいはコントラストの低いフィラメントが除外されることがあり、伝統的な手法による自動補正も微細な構造を見逃す可能性がある。

手法
著者らは、新しいセマンティック・セグメンテーション・モデル、後処理技術、およびデータ生成パイプラインからなる包括的なワークフローを提案している。

1. MORDENモデル (Multiscale ORiented DENdritic):
   ワークフローの核となるのは、マルチスケール特徴抽出に対処するために設計されたセマンティック・セグメンテーション・モデルであるMORDENである。主なアーキテクチャの革新は以下の通りである：

• モダンな改良 (Modern Refinements): ダウンサンプリング段階において、畳み込みカーネルのサイズを3から5に拡大し、バッチ正規化 (BN) をインスタンス正規化 (IN) に置き換えることで、Hα画像において極めて重要な局所的なコントラストの変化をより良く捉える。
• 適応型ピラミッド・プーリング (Adaptive Pyramid Pooling: APP): あらゆるサイズの特徴マップに対応した改良版ピラミッド・プーリング・モジュール (PPM) であり、高レベルの特徴だけでなく、階層モデルのあらゆる段階でのマルチスケール融合を可能にする。
• パッチ・アテンション・ゲート (Patch Attention Gate: PAG): Vision Transformerに着想を得たこのモジュールは、特徴マップをパッチに分割してチャネル重みを生成し、より細かいスケールでグローバルな空間情報とチャネル特徴を捉える。
• ブランチ・ブロック (Branch Blocks): 段階的なエンコーディング中の情報損失を軽減するために、異なるスケールに情報を埋め込む階層的なスキップ接続。
• マルチヘッド構造 (Multihead Structure): 加算および乗算ゲートを用いて意味表現を統合する統一出力モジュールを備えた、複数の同一のU字型バックボーン。

2. 後処理パイプライン:

• DenseCRF (Dense Conditional Random Field): 元の画像の強度と空間情報を利用してエッジの詳細を最適化するために適用される。このステップはセマンティック・マスクを精緻化し、断片が単純連結領域であることを保証し、CNNが見落とす可能性のある微細な境界構造を捉える。
• DBSCAN (Density-Based Spatial Clustering of Applications with Noise): 断片の統合に使用され、同じフィラメントに属する離れたフィラメント断片をクラスタリングし、AIのハルシネーション（幻覚）によるノイズを低減する。

3. データセット構築:

• MHAS: Hαスペクトルに基づく、初期訓練用のグラウンドトゥルースとして機能する小規模な手動アノテーション・データセット。
• AHAS: 2024年から2025年のCHASE (Chinese Hα Solar Explorer) の観測データに対し、MORDEN + DenseCRF + DBSCANのワークフローを適用して生成された、大規模かつ高品質なデータセット。このデータセットには、775枚の訓練画像、20枚の検証画像、20枚のテスト画像が含まれ、アノテーションのバイアスを軽減するためにDenseCRFを用いつつ、モデルの性能を活用して大規模データを蒸留している。

主要な結果

• セグメンテーション性能: MORDENは、それぞれのデータセットにおける既存のオープンアクセスモデル (U-Net, Flat U-Net, Attention U2-Net) を上回る性能を示した。MHASテストセットにおいて、MORDEMはIoU 0.696、F1スコア0.819を達成し、ベースラインのU-Net (IoU 0.670) を上回った。特筆すべきは、MORDENがAttention U2-Netが必要とするわずか6分の1の訓練データのみでこれらの結果を達成したことである。
• エッジ精緻化: エッジの勾配強度と方向の定量的分析により、DenseCRFがエッジの詳細を大幅に精緻化することが示された。2K解像度画像に対するDenseCRFの結果は、エッジ指標において手動ラベルによるグラウンドトゥルースを凌駕しており、微細な構造を捉えるためのその有効性を立証している。
• データのスケーリング: 拡張されたAHASデータセット（DenseCRF後処理を含む）での訓練は、より小さなMHASセットでの訓練と比較して、指標において満足のいく改善をもたらし、拡張されたデータセットが価値のある意味情報を提供していることを裏付けた。
• 堅牢性: 本ワークフローは、追加の再訓練を行うことなく、異なる画像品質、解像度、ノイズレベルを持つ様々な観測装置 (MLSO, KSO, GONG, BBSO) に対して適応性を示した。
• 断片の統合: MHASテストセットにおけるDBSCANクラスタリング結果の専門家による評価では、平均ヒット率0.844が得られ、Hα画像の意味的な曖昧さを考慮すると、これは満足できる結果であるとされた。

意義と主張
本論文は、太陽フィラメント検出におけるディープラーニングの可能性を最大限に引き出すための基礎的なワークフローを提供することを主張している。その意義は以下の点にある：

1. モデル・アーキテクチャ: フィラメントデータのマルチスケールおよびロングテールな性質を効果的に扱うために、現代的なコンピュータビジョンの革新（大きなカーネル、IN、PAG、APP）を組み合わせたMORDENを導入したこと。
2. データ生成: 現在のTransformerベースのモデルが不足している、大規模かつ高品質なデータセット (AHAS) を構築するための手法を確立したこと。
3. 方法論的厳密性: 形態学的抽出（MORDENによる）と断片の統合（DBSCANによる）を切り離すことが、Hα画像における単一ステップのインスタンス・セグメンテーションに内在する意味的な曖昧さを回避するための好ましいアプローチであることを示したこと。

著者らは、現在のCNNベースのアーキテクチャは一般的なコンピュータビジョンにおいてはTransformerベースのモデルに劣るものの、大規模なデータセットの欠如によって制限されていることを認め、控えめな立場をとっている。また、DBSCANはフィラメントの3次元的な性質を考慮すると断片統合のための最適ではない妥協案であるが、実用性と有効性の間の合理的なバランスを提供していると述べている。本研究は、自動検出におけるあらゆる課題に対する決定的な解決策としてではなく、将来の進歩のための堅牢な方法論的基盤として提示されている。