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

Hugging Face Daily Papers

介绍了GEOID-Flood，这是一个用于洪水分割的大规模多模态基准数据集，包含来自65个国家219个事件的超过14,000个瓦片，在单图像、多时相和多模态协议下，将基础模型与传统编码器进行了评估。

arXiv cs.LG

本章回顾了地球观测基础模型的设计原则和当前格局，强调了领域特定适应、物理上合理的表示以及一致评估基准的必要性。包含关于有害藻华预测和自适应监测站点选择的案例研究。

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.CL

介绍了Obshazard-bench，这是一个实时、观测驱动的基准，用于评估多模态基础模型从原始地球观测流中获取灾害智能的能力，涵盖60多个国家的8个灾害类别。

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。