标签
本文提出HADT，一种基于Transformer的架构，用于异构卫星集群在执行地球观测任务时的自主资源管理，采用差分注意力和关系化令牌化机制。实验表明，该方法相较于基线有显著改进，并对不同规模的卫星集群展现出强适应性和迁移能力。
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。
本文提出了一个地球观测中组合图像检索的统一基准，评估了视觉-语言骨干网络，并引入了一个以变化为中心的灾害监测数据集（xView2-CIR），强调了与基于属性检索相比的独特挑战。
OlmoEarth v1.1 是 Allen AI 推出的一系列新型卫星图像分析模型，通过减少基于 Transformer 的模型中的令牌序列长度，在保持性能的同时将计算成本降低高达 3 倍。
本文对152篇关于地理空间基础模型的论文进行了审查，发现严重缺乏标准化，导致无法确定最先进水平。作者提出了六项具体期望，以提高可重复性和可比性。
分析Google AlphaEarth在1210万美国样本上的64维嵌入流形，揭示其非欧结构与向量算术失效，并构建具备几何感知工具的智能体系统，在环境查询上超越参数基线。
Google DeepMind 推出 AlphaEarth Foundations，一个将数十亿字节的地球观测数据整合为统一嵌入的 AI 模型，可以以 10×10 米的分辨率对地球进行映射和监测。该模型的紧凑表示形式能够实现高效的全球规模分析，应用于粮食安全、森林砍伐追踪和环境监测。