PulseAugur
中
实时 11:24:33
实体 Sentinel-1

Sentinel-1

PulseAugur coverage of Sentinel-1 — every cluster mentioning Sentinel-1 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
11
90 天内 62
发布 · 30天
0
90 天内 0
论文 · 30天
10
90 天内 58
层级分布 · 90 天
主题
关系
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/4 页 · 共 63 条
  1. TOOL · CL_366525 ·

    新的大西洋森林碳密度AI地图优于全球产品

    研究人员为巴西大西洋森林开发了新的冠层高度和地上碳密度全幅地图,其准确性高于现有全球产品。一个深度学习网络在大量LiDAR数据上进行训练,并与来自Sentinel-2、Sentinel-1和ALOS PALSAR的卫星图像融合,预测冠层高度的平均绝对误差为2.26米。这种新方法显著优于Meta和世界资源研究所的全球产品,后者的相同测试数据的误差是前者的两倍多。该研究还建立了从冠层高度到地上碳密度的转换,估计剩余森林储存有1,944 TgC。

  2. TOOL · CL_357717 ·

    DuoJEPA: Cross-Modal Translation Without Embedding Alignment

    研究人员开发了 DuoJEPA,一种无需直接对齐嵌入空间即可进行跨模态翻译的新颖方法。该方法使用自监督学习和 LeJEPA 目标,并添加 Transformer 层来在模态之间翻译嵌入。在胸部 X 光片和卫星图像上的实验表明,在没有明确对齐的情况下,跨模态检索和分类方面取得了有竞争力的性能,为多模态人工智能研究指明了新的方向。

  3. TOOL · CL_352470 ·

    新的BigEarthNet.txt数据集增强了地球观测VLMs

    研究人员推出了BigEarthNet.txt,这是一个旨在改进地球观测任务的视觉语言模型(VLMs)的大规模数据集。该数据集包含超过464,000张配准的Sentinel-1和Sentinel-2图像,并配有960万条文本注释。这些注释涵盖了土地利用/土地覆盖类别、环境背景、视觉问答对以及用于对象检测的指代表达式。评估表明,现有的VLMs在处理遥感数据方面存在困难,但在BigEarthNet.txt上进行微调可显著提高性能。

  4. TOOL · CL_351998 ·

    新的因果框架提高了地球观测模型的鲁棒性

    研究人员开发了一个名为RIC-TSC的新的因果时间序列分类框架,旨在提高地球观测模型在鲁棒性和可解释性。该框架将滞后因果发现直接整合到序列建模中,使其能够识别稳定、不变的关系,而不是仅仅依赖于相关特征。通过使用格陵兰冰上湖的多模态卫星和气象数据,因果模型在分布外条件下评估时,与基于相关性的基线相比,准确性有了显著提高。

  5. TOOL · CL_344507 ·

    新的基准 VHR-Bench 评估高分辨率地球影像上的基础模型

    研究人员推出了 VHR-Bench,这是一个旨在评估基础模型在超高分辨率 (VHR) 地球观测图像上表现的新基准套件。研究发现,在大型自然图像集合或专门针对 VHR 数据预训练的模型可以有效地迁移到 VHR 任务,并且通常具有互补的优势。一个值得注意的发现是,在 VHR 图块上继续进行自监督预训练可以进一步提高模型性能,尤其是在标记数据稀缺的情况下,这支持了“泛化然后专业化”的策略。

  6. RESEARCH · CL_322027 ·

    LoCA 管道增强了多模态地理空间位置编码器

    研究人员开发了 LoCA(Location Contrastive Alignment),一个新颖的两阶段管道,旨在增强多模态地理空间位置编码器。该系统通过确保不同传感器模态之间的共对齐并为位置编码器保持高有效秩来解决当前方法的局限性。LoCA 的方法包括在第一阶段联合训练 Sentinel-1 和 Sentinel-2 编码器以创建稳健的多模态目标,然后在第二阶段将位置和元数据编码器训练为投影适配器。在对 17 个不同的地理空间任务…

  7. RESEARCH · CL_316329 ·

    Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型

    Hugging Face 发布了 OlmoEarth v1.3,这是一款新的、最先进的卫星嵌入模型。此次发布包括了覆盖整个星球、分辨率为 10 米的年度预计算嵌入,提供 64 维和 128 维格式。此外,一款新的基于浏览器的工具 OlmoEarth Embeddings Explorer,允许用户无需高级技术技能或登录即可轻松探索和定制基于这些嵌入的地图。与 AlphaEarth Foundations 和 Tessera v2 等竞…

  8. RESEARCH · CL_312911 ·

    为工作场所福祉和地球观测数据收集开发的AI系统

    研究人员开发了两个独立的AI驱动系统,用于专门的数据收集和分析。第一个是TrustmeWatcher,一个为TRUST-ME项目设计的应用程序,它使用操作系统级别的监视器来收集计算机活动,并将其与自我报告的数据同步,以提供福祉反馈。该系统集成了活动审查、数据收集、隐私控制和可解释AI(XAI),以帮助用户理解预测输出。 第二个系统是赤字驱动分层采集(DDSA),一个用于构建共配准SAR-光学语料库以进行自监督地球观测的算法。DDSA…

  9. TOOL · CL_303296 ·

    新型AI代理将LLM与工作流集成用于遥感图像处理

    研究人员开发了ISW-Agent,一个将大型语言模型与n8n工作流集成的系统,用于处理内部孤立波分析的遥感图像。该代理成功地将自然语言指令转化为可追溯的空间处理链,并与GPT-5.6 Sol和DeepSeek等模型实现了高任务匹配率。在测试中,ISW-Agent展示了从对话请求到波前预测的连续处理能力,已完成场景的中值周转时间约为48秒,并纳入了验证机制以处理错误并确保输出的完整性。

  10. TOOL · CL_299264 ·

    新算法改进了用于地球观测的SAR-光学语料库创建

    研究人员开发了一种名为赤字驱动分层采集(DDSA)的新算法,以应对构建用于自监督地球观测的共配准SAR-光学语料库所面临的挑战。与机会性数据收集不同,DDSA将语料库构建视为一个约束最大覆盖问题,通过多阶段流程和人工干预修复阶段来确保时间配对和质量控制。该方法成功地从初始预算中填充了所有层级,并通过其修复循环恢复了相当一部分配对,从而发布了STRATA-S12语料库,该语料库已被证实适用于自监督预训练。

  11. TOOL · CL_286796 ·

    首个泛北极湿地清单 (PAWI) 以 10 米分辨率绘制了该地区 20% 的地图

    一个名为 PAWI 的新的泛北极地区高分辨率湿地清单已使用卫星图像和机器学习开发。该清单以 10 米的空间分辨率区分了沼泽、泥炭沼泽、沼泽地和湿地等各种湿地类型。PAWI 估计湿地覆盖了北极陆地面积的大约 20%,并为甲烷建模、气候脆弱性评估和保护规划提供了关键基线。

  12. TOOL · CL_284745 ·

    新研究量化了卫星图像中的独立样本数量

    一篇新的研究论文提出了一种计算卫星图像中有效独立样本数量的方法,解决了空间自相关问题。研究表明,对于具有相关范围 $r$ 像素的 $n \times n$ 图像,有效样本量近似为 $\Theta(n^2/r^2)$,而不是通常假设的 $n^2$。这一发现对如何评估和验证机器学习模型产生了影响,建议采用空间交叉验证技术以获得更准确的泛化保证。

  13. TOOL · CL_280378 ·

    新型两阶段级联系统近实时检测森林异常

    研究人员开发了一种新颖的两阶段级联系统,用于利用Sentinel-1 SAR时间序列数据近实时地检测森林异常。该系统旨在克服云层覆盖和季节性变化等可能掩盖森林损失的挑战。该级联系统包括一个稳健的统计z分数检验和一个基于结构相似性的学习确认门,确保高保真度检测,并为MRV工作流程和环境风险评估提供可审计的置信度分数。

  14. TOOL · CL_254686 ·

    人工智能利用雪包模拟和卫星数据预测雪崩活动

    研究人员开发了一种数据驱动的方法,使用Transformer++模型,通过分析雪包模拟和卫星数据来预测雪崩活动。该模型在挪威和瑞典四个冬季的Sentinel-1合成孔径雷达(SAR)雪崩探测和SNOWPACK模拟输出数据上进行了训练。在预测每日雪崩活动指数时,平均六天期间的相关性达到了r = 0.803,尽管它低估了高峰活动,并且在更精细的尺度上表现出较弱的一致性。虽然尚未建立业务预测能力,但该研究表明,区域雪包模拟包含有关理解卫星观…

  15. TOOL · CL_245625 ·

    新的基准 Infra-Bench CLS 测试基础模型在关键基础设施分类方面的能力

    引入了一个新的基准 Infra-Bench CLS,用于评估地球观测基础模型在关键基础设施分类方面的有效性。该基准包含来自七大洲的 18,756 张设施规模基础设施图像,涵盖 13 个类别。与 ResNet-18 基线相比,表现最好的基础模型在宏观 F1 分数上提高了 48%,达到了 57.9%。虽然机场和数据中心等顶级类别表现强劲,但电力基础设施等领域表现不佳,表明了未来研究的方向。

  16. TOOL · CL_235433 ·

    地理空间基础模型在树种测绘方面展现出潜力

    研究人员开发了一种在丹麦测绘树种的新方法,将传统的光谱-时间特征与来自TESSERA和AlphaEarth等地理空间基础模型的嵌入进行比较。研究发现,使用光谱-时间特征的多层感知器分类器在纯林中取得了最高的0.843的宏观F1分数,在混交林中取得了0.653的分数。然而,当训练数据有限时,TESSERA嵌入显示出显著优势,在可用地块少于25%的情况下,其性能优于光谱-时间特征。随后,性能最佳的模型被用于创建丹麦首张高分辨率全国树种地图…

  17. TOOL · CL_241536 ·

    基础模型在丹麦树种测绘方面展现出潜力

    研究人员开发了一种使用卫星数据和机器学习在丹麦测绘树种的方法。该研究比较了手动设计的谱时特征(STF)与来自TESSERA和AlphaEarth等基础模型的嵌入。虽然基于STF的模型实现了最高的整体性能,但基础模型在训练数据有限的情况下显示出优势。性能最佳的模型被应用于全国范围,创建了丹麦首个高分辨率、开放获取的树种地图。

  18. TOOL · CL_229630 ·

    新型AI模型利用公共卫星数据高分辨率绘制森林冠层高度图

    研究人员开发了SERA-H,这是一种新颖的深度学习模型,旨在利用公开可用的卫星数据进行高分辨率冠层高度测绘。该模型集成了超分辨率模块(EDSR)和时间注意力编码(UTAE),利用Sentinel-1和Sentinel-2时间序列数据生成2.5米分辨率的详细高度图。SERA-H通过利用高密度LiDAR衍生的冠层高度模型进行训练,实现了具有竞争力的准确性,接近使用昂贵商业影像的方法。

  19. RESEARCH · CL_208304 ·

    卫星数据集成可实现对‘全球南方’城市建筑高度的准确估算

    研究人员开发了一种在个体足迹尺度上估算建筑高度的方法,特别适用于‘全球南方’的城市地区,这些地区缺乏LiDAR等详细数据。通过整合TerraSAR-X StripMap、PlanetScope和Sentinel-1卫星的数据,他们采用了一种地理加权随机森林模型。该方法在与LiDAR参考相比时,实现了5.34米的RMSE和0.756的R2,表明不同的卫星传感器和派生特征在不同的城市背景和建筑类型中具有不同的预测相关性。

  20. TOOL · CL_204147 ·

    新的AI框架CREST分割SAR影像中的极地低压

    研究人员开发了一种新颖的弱监督语义分割框架CREST,用于识别Sentinel-1 SAR影像中的极地低压。该方法通过仅从图像级标签生成像素级掩码来解决像素级掩码有限的挑战。CREST包含一个约束区域扩展模块来编码空间连通性,以及一个动态引导损失来管理标签可靠性,在SAR数据和其他基准数据集上表现优于标准的对抗擦除技术。