Earth observation
PulseAugur coverage of Earth observation — every cluster mentioning Earth observation across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
地理空间基础模型的校准与分布变化敏感性评估
一篇新发表在arXiv上的研究论文探讨了地理空间基础模型（GeoFMs）的校准和分布变化敏感性。研究发现，标准的基于准确性的排名不足以评估GeoFMs，因为它们在各种分布变化下的性能和置信度会显著下降。研究表明，虽然在干净准确性或校准方面，经过地球观测（EO）预训练的模型并不优于经过ImageNet预训练的模型，但它们在分布变化下往往会变得更加过度自信。该论文提倡更全面的评估协议，包括多种条件和指标，以更好地评估GeoFM的进展和实际…
-
新的T3L-DS方法优化了低轨对地观测星座的应急调度
研究人员开发了一种名为任务驱动三层分布式调度（T3L-DS）的新方法，以解决大规模低地球轨道（LEO）对地观测（EO）星座中的动态应急观测调度问题（DEOSP）。该方法旨在以对常规运行的最小干扰，有效地将紧急任务插入现有的观测计划中。T3L-DS在通用网格上表示任务需求和传感器足迹，形成用于协调的观测能力和星间链路的临时集群。实验表明，T3L-DS在应急覆盖方面优于其他分布式方法，并显著减少了常规覆盖损失。
-
SAR数据压缩与去噪框架部署在FPGA上
研究人员已成功将联合合成孔径雷达（SAR）去噪与数据压缩框架部署到嵌入式FPGA平台。这项工作解决了未来SAR任务中对板载数据缩减的关键需求，以实现近乎实时的地球观测。该研究调整了模型拓扑以满足星载系统的约束，并评估了在不同精度和平台（包括CPU、GPU和FPGA）上的性能。主要发现表明，ReLU激活函数比用于自然图像的激活函数更适合SAR图像，并且FPGA为这项任务提供了最高效的解决方案。
-
GeoForge框架增强地球观测智能体的推理能力
研究人员推出GeoForge，一个旨在增强地球观测（EO）智能体推理能力的新型框架。该训练免费系统通过将已完成的工具使用轨迹转化为可重用知识来实现自演化，从而在不改变核心LLM的情况下改进规划。GeoForge利用三个记忆组件——工作流图记忆、动作级经验和适应性技能标准操作程序——来约束操作空间并指导工具执行，从而提高地理空间基准测试的准确性并减少错误。
-
板载视觉语言模型通过对话实现带宽高效的地球观测
研究人员开发了一种新颖的“先总结，后下载”范式，用于地球观测卫星，利用板载视觉语言模型（VLMs）来解决带宽限制。该方法包括卫星生成其传感器数据的自然语言摘要，然后地面操作员发出有针对性的视觉问答（VQA）查询以确认相关性。之后，仅下载关键信息，将数据传输转变为语义感知的对话，从而显著减少带宽消耗，并加速对时间敏感任务的洞察时间。该系统已成功在NVIDIA Jetson平台上实现并进行了测试。
-
新的ELMZip框架利用AI实现高效卫星图像压缩
研究人员开发了ELMZip，一种利用极限学习机（ELMs）进行星载图像压缩的新框架。该方法通过将压缩构建为一个凸最小二乘问题来解决从小卫星传输大量数据这一挑战，避免了计算密集型的反向传播。ELMZip通过仅传输紧凑的输出权重，显著减少了下行链路的有效载荷，从而实现了高效、实时的AI驱动地球观测。
-
新的DARAD框架增强了持续遥感图像-文本检索能力
研究人员开发了DARAD，一个旨在改进持续遥感图像-文本检索的新框架。该方法解决了不断变化的数据库带来的挑战，例如尺度变化和分布偏移，这些问题可能扭曲跨模态对齐空间。DARAD利用视觉和文本分支的双适配器，以及感知排名的蒸馏过程，以在保留历史数据准确性的同时有效学习新概念。
-
HALO框架通过克服注意力漂移增强低光遥感图像 · 跟踪2个来源
研究人员开发了HALO，一个旨在增强因极端低光条件而退化的遥感图像的新框架。该框架解决了现有方法中“注意力漂移”的问题，该问题通过错误地跨边界聚合特征导致结构模糊和颜色失真。HALO利用双重先验：一个用于区域同质性的语义先验和一个用于边界异质性的拓扑先验，通过同质性-异质性协同注意力模块（H2CAM）进行集成。实验表明，HALO在多个基准测试中取得了最先进的结果，提高了地球观测任务的清晰度和颜色保真度。
-
新章节详述用于卫星图像分析的“地球嵌入”
一篇关于“地球嵌入”的新章节已在arXiv上发布，详细介绍了地球观测正转向可重用数据产品，而不是要求用户自行运行大型基础模型。这些嵌入是总结位置或图像块的向量表示，使用户能够在不处理原始卫星图像的情况下分析紧凑的特征。该章节探讨了各种类型的嵌入、它们在土地覆盖测绘和灾害建模等领域的应用，并讨论了海洋和大气覆盖等挑战。
-
EfficientViT-M2 在鲁棒在轨卫星图像分类中领先
一项比较研究评估了14种不同的计算机视觉模型，包括各种视觉Transformer（ViT）架构，用于地球观测任务中的在轨卫星图像分类。研究侧重于准确性、计算效率、功耗以及对传输退化的鲁棒性。EfficientViT-M2 成为一个有力的候选者，在准确性、低功耗和对噪声及压缩的抵抗力方面提供了良好的平衡，使其适用于资源受限的在轨系统。
-
GeoCore-9B：新型地球观测生成模型，基于地理空间数据训练
研究人员推出了GeoCore-9B，这是一款专为地球观测任务设计的新型90亿参数生成基础模型。与以往微调自然图像先验的模型不同，GeoCore-9B仅使用地球观测数据，并采用基于流匹配的扩散 Transformer 进行训练。它原生将纬度、经度和地面采样距离等地理空间元数据融入其生成过程。为了提高训练稳定性和准确性，开发了一种地理空间语义对齐损失，以从专业教师网络中提取地球表面结构先验。
-
SPECTRA框架通过带路由嵌入和高效LoRA增强地理空间模型微调
研究人员推出了一种名为SPECTRA的新框架，旨在增强地理空间基础模型（GeoFMs）在下游任务中的微调。SPECTRA解决了两个关键挑战：光谱失配（下游传感器可能具有与模型预训练时不同的光谱带）和高昂的微调成本。为了解决光谱失配问题，该框架采用带路由嵌入（BRE）将可用的下游频带映射到预训练GeoFM的预期频带空间。为了提高效率，SPECTRA采用分阶段可迁移性感知LoRA（ST-LoRA）方法，该方法根据估计的分阶段可迁移性智能分…
-
探索使用量子卷积神经网络（QCNN）进行卫星图像中的火山云检测
研究人员探索了使用量子卷积神经网络（QCNN）在多光谱卫星图像中检测火山云。这些混合模型将量子计算层集成到经典框架中，以增强特征提取能力。该研究评估了两种QCNN变体，并将其性能与纯经典架构进行了比较，以对包含火山云和非火山背景的卫星图像进行分类。
-
混合量子CNN增强火山热活动识别能力
研究人员开发了一种新颖的混合量子AlexNet架构，旨在提高从卫星图像中识别火山热活动的能力。该模型集成了经典卷积神经网络和参数化量子电路，允许在希尔伯特高维空间中进行特征提取。与传统的深度学习方法相比，这种混合方法旨在提高跨传感器可转移性和在不同火山环境中的鲁棒性，同时需要更少的参数和训练数据。
-
新基准评估多模态模型在实时灾害情报方面的能力
研究人员推出了 Obshazard-bench，这是一个旨在评估多模态基础模型如何处理原始地球观测数据以实现实时灾害情报的新基准。与使用已处理数据的现有基准不同，Obshazard-bench 集成了直接的卫星和地面站观测、历史灾害记录和社会经济指标。该基准涵盖了 60 多个国家/地区的 8 类灾害，并包含一个与操作性灾害工作流程（从预期到影响评估）相一致的三阶段评估分类法。初步实验表明，当前的基础模型在将原始多通道物理观测转化为与决…
-
新的 OVEarth-Bench 基准评估开放词汇地球观测模型
引入了一个名为 OVEarth-Bench 的新基准，用于评估开放词汇地球观测能力。该基准通过扩展类别广度和查询多样性，并在零样本协议下支持掩码和边界框定位，解决了现有评估的局限性。初步评估表明，当前方法的性能有限，多模态大语言模型 (MLLM) 表现最强，而地球观测特定方法往往不如通用模型。
-
论文详述了机器学习驱动的地理空间地图生产的最佳实践
一篇新论文概述了使用机器学习和地球观测数据创建大规模地理空间地图产品的最佳实践。该论文解决了从数据预处理和数据集构建到模型训练和不确定性量化的端到端流程中的挑战。它强调了在验证和地图生产中方法论关注的重要性，为研究人员和从业者提供了精炼的指南。
-
遥感视觉语言模型“More with Less”优先考虑数据规模而非架构
研究人员开发了一个名为“More with Less”的超大规模遥感视觉语言模型（VLM），该模型挑战了对专门架构设计的需求。通过在多样化的数据集上训练一个通用VLM并采用多任务强化学习框架，该模型在各种遥感任务中取得了有竞争力的性能，包括视觉问答、检测和分割。研究表明，数据规模和多样性对于推进遥感VLM比架构创新更为关键。
-
SAM 3 评估揭示其在遥感领域分割能力的局限性
一篇新论文评估了 Segment Anything Model 3 (SAM 3) 在遥感任务中的能力，发现它虽然避免了过拟合并在分割方面表现良好，但在亚像素分辨率和语义盲点方面存在困难。该研究引入了一种方法来使 SAM 3 适应零样本分类，并通过分离文本和视觉提示来分析其多模态解码器。研究表明，视觉提示使模型与复杂的地缘空间几何对齐，但文本提示引入了不匹配的地面语义偏差，阻碍了性能。
-
新研究探讨基础模型在地球观测领域的有效适应性
近期 arXiv 上的两篇论文探讨了基础模型在地球观测（EO）领域的适应与应用。第一篇论文讨论了遥感基础模型（RSFMs）的设计原则，强调领域特定适应性、可信赖性以及超越基准准确性的评估。文章指出，没有一个单一的地理空间基础模型是普遍最优的，并且评估不一致仍然是一个重大问题。第二篇论文介绍了 SIMPLER，一种通过基于表示相似性的层剪枝来实现基础模型高效适应的方法。SIMPLER 在保持高性能的同时，显著降低了 Prithvi-EO…