AlphaEarth Foundations
PulseAugur coverage of AlphaEarth Foundations — every cluster mentioning AlphaEarth Foundations across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AlphaEarth Foundations 嵌入模型在野火测绘方面展现出潜力
一项新的研究论文评估了 AlphaEarth Foundations (AEF) 地理空间嵌入模型在野火易感性测绘中的有效性。该研究以澳大利亚维多利亚州为案例，发现 AEF 嵌入能够准确地重建用于此任务的常用变量。使用这些嵌入训练的模型达到了高精度（ROC-AUC > 0.92），并表现出强大的近邻区域迁移能力，在应用于堪培拉等不同地区时，其性能优于传统的物理变量模型。
-
地理空间基础模型生物量估算基准测试
一篇新的研究论文探讨了地理空间基础模型（GFMs）从卫星图像估算地上生物量（AGB）的有效性。该研究使用AGBD数据集对11个GFMs进行了基准测试，并将作为冻结编码器运行的模型与AlphaEarth Foundations (AEF) 和 TESSERA 等预计算嵌入产品进行了比较。结果表明，虽然冻结编码器的表现不佳，但预计算嵌入，特别是AEF，显著提高了生物量估算的准确性，其中在AEF嵌入上训练的MLP的表现优于监督式最先进技术。
-
Google DeepMind承诺投入4000万美元，利用AI加速美国科学发现
Google DeepMind 将承诺提供价值4000万美元的AI代币和云积分，以支持白宫的Genesis Mission。这是一项旨在十年内将美国科学发现速度提高一倍的国家倡议。这笔资金将为能源部（DOE）国家实验室的研究人员提供先进AI工具的访问权限，包括用于算法设计的AlphaEvolve、用于生物分子结构预测的AlphaFold 3，以及用于行星测绘的AlphaEarth Foundations。此外，数万名能源部人员将在一年…
-
亚米级分辨率影像被证明对于科特迪瓦的准确可可测绘至关重要
一篇新的研究论文评估了亚米级分辨率影像对于科特迪瓦准确可可测绘的必要性。研究发现，极高分辨率（VHR）影像，特别是0.5米Pleiades，取得了最高的性能（F1 = 0.92），并在各种景观条件下保持了准确性。虽然像TESSERA（F1 = 0.86）这样的十米级输入和来自AlphaEarth Foundations（AEF）（F1 = 0.82）的基础模型嵌入提供了可扩展的替代方案，但VHR影像在复杂、碎片化的景观中尤其有益。
-
Google AI 训练模型读取地图并监测自然
Google AI 开发了一个名为 MapTrace 的新系统，用于训练多模态大语言模型（MLLMs）在地图上视觉化地追踪路线，以弥补其空间推理能力的不足。该系统利用 Gemini 2.5 Pro 和 Imagen-4 等模型，通过可扩展的合成数据生成管道，创建了超过 200 万个问答对。此外，Google DeepMind 正在将 AI 应用于环境保护，包括一个用于高分辨率预测森林砍伐风险的模型，以及一种利用图神经网络（Graph …