Ostia

新的CARM框架增强了地球观测数据的AI超分辨率能力

研究人员开发了CARM（共形自适应风险掩码），一个旨在提高深度学习驱动的地球观测数据超分辨率可靠性的新型统计框架。与使用固定阈值来确定信任掩码的先前方法不同，CARM能够自适应地调整以应对由季节性和偶发事件引起的时间分布变化。该框架使用具有不同更新速率的专家模型和非对称代理损失来平衡适应速度与稳定性，即使在分布变化的情况下也能确保校准的风险控制。在南海叶绿素a数据上的实验表明，CARM显著降低了违反率和超限频率，同时保持了有用的信任区域。