MMLSv2：遠隔観測画像における火星地滑の検出のためのマルチモーダルデータセット

arXiv:2602.08112v1 発表種別：新規 要約：火星表面における地滑のセグメンテーション用データセットである MMLSv2 を提示します。MMLSv2 は RGB、デジタル標高モデル、傾斜、熱慣性、およびグレイスケールチャネルの 7 バンドを含むマルチモーダル画像で構成されています。このデータセットには、トレーニング、検証、テストの分割にわたって分布する 664 枚の画像が含まれています。また、ベースデータセットとは地理的に独立した地域からのもので、標準的な設定を超えた空間的な汎化能力を評価するために、276 枚の孤立したテストセットがリリースされています。複数のセグメンテーションモデルを実行した実験は、このデータセットが安定した訓練を支持し、競争力のある性能を発揮することを示しましたが、同時に断片的、細長く、小規模な地滑地域における課題も残っています。孤立したテストセットでの評価では、顕著な性能低下が見られ、それは困難さの増大を示唆し、モデルの頑健性と、標準的な入力分布の設定を超える汎化能力の評価上の価値を強調しています。データセットは、https://github.com/MAIN-Lab/MMLS_v2 に利用可能です。

arXiv:2602.08112v1 Announce Type: new Abstract: We present MMLSv2, a dataset for landslide segmentation on Martian surfaces. MMLSv2 consists of multimodal imagery with seven bands: RGB, digital elevation model, slope, thermal inertia, and grayscale channels. MMLSv2 comprises 664 images distributed across training, validation, and test splits. In addition, an isolated test set of 276 images from a geographically disjoint region from the base dataset is released to evaluate spatial generalization. Experiments conducted with multiple segmentation models show that the dataset supports stable training and achieves competitive performance, while still posing challenges in fragmented, elongated, and small-scale landslide regions. Evaluation on the isolated test set leads to a noticeable performance drop, indicating increased difficulty and highlighting its value for assessing model robustness and generalization beyond standard in-distribution settings. Dataset will be available at: https://github.com/MAIN-Lab/MMLS_v2