大学空间研究协会应用 Segment Anything 模型应对洪水紧急情况

Meta AI Blog 2025/12/17 16:00 新闻

satellite-imagery disaster-response segment-anything usa meta

摘要

大学空间研究协会与 Meta 正在合作，应用 Segment Anything 模型支持美国地质调查局（USGS）的水文观测系统，以应对洪水紧急情况。

大学空间研究协会与 Meta 正在合作，协助支持由美国地质调查局（USGS）建立的水文观测系统。

查看原文

相似文章

arXiv cs.AI

一项研究评估了Prithvi-EO-2.0基础模型在19个不同全球洪水事件中用于卫星洪水制图的效果，发现检测精度共同受土地覆盖和洪水类型的影响。

arXiv cs.LG

本文提出一种领域感知核集构建流程，使表格基础模型仅用0.7%的训练数据即可预测洪水深度，达到监督参考精度的98.5%，并支持跨流域迁移而无需重新训练。

arXiv cs.LG

DisasterLex 引入了一种知识图谱中介框架，通过使用包含因果边的专家知识图谱来约束模式并指导查询规划，从而改进灾害分析中的文本到 SQL 转换，性能优于现有最先进的基线方法。

arXiv cs.LG

本文介绍了由五个传感器专用Mini-JEPA基础模型组成的舰队，用于水文智能，实现了高重建精度（R²高达0.97），并在通过LLM代理路由的物理匹配任务上超越了Google AlphaEarth通才模型。

arXiv cs.LG

本文介绍了一种新颖的不确定性感知PINN框架，用于从SAR数据进行洪水推理，通过动态放松噪声区域的物理约束来解决“物理冲击”问题。在Sen1Floods11数据集上评估，该方法实现了IoU提高25%，并为操作化灾害响应提供了校准的不确定性边界。