SparK-SAR：Sentinel-1 GRD 稀疏卷积掩码预训练框架

2026年10月16日，arXiv Computer Vision 刊出 Yuki Natsume 等作者的预印本，提出 SparK-SAR——一个基于 SparK 与 ConvNeXt 的稀疏卷积掩码预训练框架，用于 Sentinel-1 GRD 影像表示学习，并配套提出 ConvNeXt-RS 编码器。据该预印本，在四个 Copernicus-Bench S1GRD 任务上，微调后的 27.8M 参数 ConvNeXt-RS 编码器相较未预训练基线分别提升 +4.7、+5.0、+5.8、+1.4 个百分点（EuroSAT-S1、BigEarthNet-S1、DFC2020-S1、Flood-S1），并在四项任务中的三项上以约五分之一的参数量超过 139M 参数、冻结的 Copernicus-FM ViT。预训练数据规模研究显示任务相关的数据效率差异：分类任务在仅使用 SSL4EO-S12 v1.1 语料 10-25% 时即饱和，而稠密预测任务在 25-50% 前仍持续显著提升。目前该工作处于预印本阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。