PulseAugur
中
实时 12:41:23
English(EN) EarthShift: a benchmark for measuring robustness to real-world distribution shifts in Earth observation

新的EarthShift基准显示GFM在现实世界分布变化方面表现不佳

作者 PulseAugur 编辑部 · [1 个来源] ·

引入了一个名为EarthShift的新基准，用于评估地理空间基础模型（GFM）在现实世界分布变化方面的鲁棒性。使用EarthShift对八个GFM和十一个任务进行的实验显示，这些模型在遇到分布外场景时，性能会持续下降15-20%，表现与通用视觉模型相似。研究人员强调，未来的研究需要关注提高分布鲁棒性，而不仅仅是性能，并已发布EarthShift的代码和数据集以促进这一目标。 AI

影响 突出了当前地理空间AI模型的一个关键差距，强调了在现实世界应用中提高鲁棒性的必要性。

排序理由 该集群是关于一篇介绍AI模型评估基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

新的EarthShift基准显示GFM在现实世界分布变化方面表现不佳

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Kelsey Doerksen, Hannah Kerner ·

    EarthShift：一个用于衡量地球观测在现实世界分布变化中鲁棒性的基准

    arXiv:2605.29330v1 Announce Type: new Abstract: Current Earth observation benchmarks focus on measuring performance on diverse tasks and applications, typically measuring generalization in-distribution. But when models are deployed, they must generalize to myriad out-of-distribut…

相关实体

相关话题