研究人员开发了ShearFuse-UNet，这是一种新颖的深度学习模型，用于利用卫星数据预测野火蔓延。该模型以其轻量级架构和计算效率而著称，集成了三个不同的变换域分支来分析卫星图像。它实现了有利的准确性-效率权衡，在基准数据集上优于更大的基于ResNet18的U-Net。 AI
影响 该模型提供了一种更有效的野火蔓延预测方法，可能为灾害管理提供更快、更易于获取的预报。
排序理由 该集群描述了一篇详细介绍新深度学习模型及其在特定数据集上性能的新学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.14071v1 Announce Type: new Abstract: We propose ShearFuse-UNet, a lightweight and computationally efficient deep learning model for next-day wildfire spread prediction from multi-modal satellite data. The model integrates three complementary transform-domain branches i…
We propose ShearFuse-UNet, a lightweight and computationally efficient deep learning model for next-day wildfire spread prediction from multi-modal satellite data. The model integrates three complementary transform-domain branches inside each encoder block of a U-Net backbone: a …