DARAD: 이중 어댑터 및 순위 인식 증류를 활용한 지속적인 원격 감지 이미지-텍스트 검색

DARAD: Dual Adapters and Ranking-Aware Distillation for Continual Remote Sensing Image-Text Retrieval

지구 관측 기술의 급속한 발전으로 인해 원격 감지 데이터 아카이브가 빠르게 확장되면서, 원격 감지 이미지-텍스트 검색(RS-ITR)의 중요성이 더욱 커지고 있습니다. 그러나 지속적인 RS-ITR은 여전히 어려운 과제이며, 원격 감지의 규모 변화 및 분포 변화는 교차 모드 정렬 공간 왜곡을 심화시켜 기존의 지속 학습(CL) 방법이 안정적인 지속 검색을 지원하기 어렵게 만듭니다. 이러한 문제를 해결하기 위해, 우리는 이중 어댑터와 순위 인식 증류 프레임워크인 DARAD를 제안합니다. DARAD는 역사적 교차 모드 순위 구조를 유지하면서 동시에 진화하는 아카이브에서 새로운 시각 및 텍스트 개념을 학습합니다. 구체적으로, 시각 분기에서는 공간 융합 어댑터를 도입하여 거친 지역 정보와 미세한 패치 정보를 통합하여 원격 감지 규모 변화에 대응하고, 사전 학습된 정렬 공간에 시각 업데이트를 고정시킵니다. 텍스트 분기에서는 다중 전문가 의미 라우팅을 사용하여 공유된 텍스트 의미론과 의미적으로 특화된 잔류 부분을 분리하여 새로운 설명을 흡수하는 동시에 전역 텍스트 임베딩의 드리프트를 제한합니다. 또한, 양방향 순위 증류는 고정된 교사 모델과 역사적 기준점을 활용하여 역사적 교차 모드 순위 구조를 유지함으로써 지속적인 단계에서 정렬 공간 왜곡을 완화합니다. 다단계 지속 검색 프로토콜에서의 실험 결과, DARAD는 기존의 CL 방법에 비해 우수한 성능을 보이며, 새롭게 추가된 데이터에 대한 적응력을 향상시키는 동시에 과거 데이터에 대한 효과성을 유지하는 것을 확인했습니다.

With the rapid growth of Earth observation technologies, remote sensing archives are rapidly expanding, making remote sensing image-text retrieval (RS-ITR) increasingly important. However, continual RS-ITR remains challenging because scale variation and distribution shifts in RS aggravate cross-modal alignment space distortion, making it difficult for existing continual learning (CL) methods to support reliable continual retrieval. To address this challenge, we propose DARAD, a dual-adapter and ranking-aware distillation framework that preserves the historical cross-modal ranking structure while learning new visual and textual concepts from evolving archives. Specifically, the visual branch introduces a spatial fusion adapter, which integrates coarse regional cues and fine-grained patch cues to accommodate RS scale variation while anchoring visual updates to the pretrained alignment space. The textual branch employs multi-expert semantic routing, which separates shared textual semantics from semantically specialized residuals to absorb newly emerging descriptions while constraining global text embedding drift. Furthermore, bidirectional ranking distillation uses a frozen teacher model and historical anchors to preserve the historical cross-modal ranking structure, thereby mitigating alignment space distortion across continual stages. Experiments under a multi-stage continual retrieval protocol show that DARAD achieves superior performance over existing CL methods, improving adaptation to newly arrived data while maintaining effectiveness on historical data.