satellite imagery
PulseAugur coverage of satellite imagery — every cluster mentioning satellite imagery across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
DamageScope框架使用AI进行可扩展的卫星图像损失评估
研究人员开发了DamageScope，一个利用卫星图像和AI自动评估财产损失的新框架。该系统在检索增强生成（RAG）架构中集成了视觉-语言模型（VLMs）和大语言模型（LLMs）。DamageScope旨在提高大规模地球观测任务的计算效率和数据组织能力。关键创新包括一种多向量嵌入聚类算法，可将索引速度提高多达14倍，以及一种双存储数据架构，可将LLM API调用和响应延迟降低约3倍。
-
OlmoEarth Studio 将 AI 嵌入从卫星图像导出
OlmoEarth Studio 推出了一项新功能，允许用户计算和导出从卫星图像派生的 AI 嵌入向量。这些嵌入可按需以 GeoTIFF 格式导出，并提供三种模型尺寸，参数量从 140 万到 8900 万不等。
-
新方法绕过几何畸变，改进跨视图地理定位
研究人员开发了一个新颖的无畸变跨视图地理定位框架，该框架绕过了传统的几何畸变方法。这种新方法侧重于直接在特征空间中挖掘和加强语义共识，从而实现街景和卫星图像之间更鲁棒的地理定位。该方法利用辅助联合视图路径和全局模式探针来对齐不同模态，在多个基准测试中取得了最先进的性能。
-
新的基准数据集针对卫星图像深度伪造
研究人员开发了一个新的基准数据集，以解决验证卫星图像真实性的关键需求，而卫星图像正日益受到先进生成式AI和深度伪造的威胁。该数据集包含60张图像，其中30张使用复制粘贴拼接和扩散模型修复等技术进行了篡改。其目的是支持用于检测和定位此类篡改的算法的训练和评估。每张图像都包含地面实况掩码和元数据，以促进像素级分析以及关于图像采集参数如何影响检测性能的研究。
-
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。
-
因滥用担忧，Google 在两天后撤下 AI 图像工具
Google 发布了一个名为 Nano Banana 2 的图像生成模型，并将其集成到 Google Earth 中，允许用户通过简单的提示词创建逼真的伪造卫星图像。由于担心其可能被滥用，例如在墨西哥边境等敏感地点生成虚假场景，Google 在仅两天后便迅速将其移除。
-
Google因深度伪造担忧暂停AI增强卫星图像 · 追踪到2个来源
由于担心深度伪造的可能性，Google已暂停将其AI集成到其卫星图像服务中。该公司此举是在该技术推出后发生的，引发了人们对其可能被滥用于创建虚假图像的担忧。这一暂停反映了社会对AI生成错误信息扩散的广泛担忧。
-
Google Earth 的 Nano Banana 使用 AI 重塑卫星图像
Google 推出了 Google Earth 的一项名为 Nano Banana 的新功能，该功能使用卫星图像和 AI 幻觉引擎来生成新颖的地理表示。该工具允许用户在真实世界的卫星数据之上叠加 AI 生成的图像来重塑世界。
-
ChatGPT的视觉能力被用于通过卫星图像评估贫困
一篇新的研究论文探讨了利用ChatGPT的多模态视觉能力进行社会经济分析，特别是按贫困程度对卫星图像进行排名。研究表明，ChatGPT能够根据贫困指标准确地比较和排名图像，其结果可与人类专家相媲美。这项研究突显了支持视觉功能的大型语言模型在可扩展且经济高效的贫困监测和社会经济研究方面的潜力，同时也引发了关于现有公共数据集在财富指数检索方面的可靠性问题。
-
卫星图像解决了3D重建模型中的尺度模糊问题
研究人员开发了一种新方法，通过利用卫星图像作为全局度量参考来解决前馈3D重建模型中的尺度模糊问题。该方法将卫星图像块与重建骨干网络集成，强制执行一致性以推断绝对尺度、精炼几何形状并在度量坐标系中估计相机姿态。该框架在多个数据集上展示了度量深度估计、点云重建和相机本地化方面的改进。
-
AI绘制中国太阳能和风能基础设施图
研究人员利用在高分辨率卫星图像上训练的深度学习模型，绘制了中国可再生能源基础设施的图谱。分析识别出近32万个太阳能光伏设施和9万多台风力涡轮机。这项广泛的测绘工作涉及处理7.56太字节的卫星数据。
-
人工智能绘制中国可再生能源电网图，优化电力分配
北京大学和阿里巴巴达摩院的研究人员开发了一个人工智能系统，能够以前所未有的精度绘制中国广阔的太阳能和风能基础设施图。这项发表在《自然》杂志上的人工智能生成清单，识别了数十万个设施，并为优化国家电网提供了关键工具。研究强调，在更大地理区域内协调这些可再生能源来源，可以显著减少能源浪费，并满足人工智能数据中心日益增长的需求。
-
英国利用人工智能和卫星追踪刺猬以进行保护
人工智能和卫星图像正在英国被用于监测刺猬种群并应对其数量下降。这种创新的方法旨在为保护主义者提供关于刺猬活动和栖息地的更好数据。该倡议旨在了解导致该物种数量减少的因素，并实施更有效的保护策略。