新的自监督框架重建损坏的NDVI时间序列数据

研究人员开发了GloSSR，一个新颖的自监督框架，旨在重建归一化植被指数（NDVI）时间序列数据，该数据经常被云和噪声损坏。该框架通过创建人工退化模式来生成自监督训练对，从而解决了成对清晰天空和退化数据有限的挑战。GloSSR采用具有ConvLSTM架构的双向Transformer来捕获复杂时空依赖性，并通过时空通道注意力模块和时空先验约束进行增强，以保留精细尺度结构和长期趋势。在MODIS和AVHRR数据上的评估证明了其在人工和真实场景中的卓越性能，突显了其在大规模环境监测中的可扩展性和广泛适用性。 AI

影响 通过提高卫星衍生植被数据的准确性和可靠性，增强了环境监测能力。

排序理由 该集群包含一篇详细介绍用于时间序列重建的新型自监督学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Advanced Very High Resolution Radiometer
• GloSSR
• Moderate Resolution Imaging Spectroradiometer
• Normalized Difference Vegetation Index
• Transformer++

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →