雲形の把握は天候変化の予測に重要で、地上観測による雲形分類が精度向上に寄与すると期待される。雲形分類精度向上には地上領域除去のマスク処理が有効だが、従来のSemantic Segmentation手法では地上領域除去が不完全で、雲にマスクがかかる課題があった。本研究ではCCSNデータセットを用い、画像中の空領域を物体検知・セグメンテーションするGrounded-SAMでマスクを適用し、雲形分類精度向上を目指す。また、CNNとVision Transformerを用いて、マスク処理の効果とattention機構の有効性を比較・検証する。評価には分類精度と分類根拠の可視化を用い、性能評価を行う。