論文の概要: Towards a Unified Copernicus Foundation Model for Earth Vision

• arxiv url: http://arxiv.org/abs/2503.11849v1
• Date: Fri, 14 Mar 2025 20:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:31:45.923957
• Title: Towards a Unified Copernicus Foundation Model for Earth Vision
• Title（参考訳）: 地球ビジョンのための統一コペルニクス基礎モデルに向けて
• Authors: Yi Wang, Zhitong Xiong, Chenying Liu, Adam J. Stewart, Thomas Dujardin, Nikolaos Ioannis Bountos, Angelos Zavras, Franziska Gerken, Ioannis Papoutsis, Laura Leal-Taixé, Xiao Xiang Zhu,
• Abstract要約: 我々は3つの重要な構成要素を持つ次世代地球観測基盤モデルに向けて一歩前進する。 コペルニクス・プレトレイン(Copernicus-Pretrain)は、コペルニクス・センチネルの全ミッションの18.7Mのアライメント画像を統合する大規模な事前トレーニングデータセットである。 コペルニクスFM(Copernicus-FM)は、スペクトルまたは非スペクトルセンサーのモダリティを処理できる統一基盤モデルである。
• 参考スコア（独自算出の注目度）: 39.500074980218926
• License:
• Abstract: Advances in Earth observation (EO) foundation models have unlocked the potential of big satellite data to learn generic representations from space, benefiting a wide range of downstream applications crucial to our planet. However, most existing efforts remain limited to fixed spectral sensors, focus solely on the Earth's surface, and overlook valuable metadata beyond imagery. In this work, we take a step towards next-generation EO foundation models with three key components: 1) Copernicus-Pretrain, a massive-scale pretraining dataset that integrates 18.7M aligned images from all major Copernicus Sentinel missions, spanning from the Earth's surface to its atmosphere; 2) Copernicus-FM, a unified foundation model capable of processing any spectral or non-spectral sensor modality using extended dynamic hypernetworks and flexible metadata encoding; and 3) Copernicus-Bench, a systematic evaluation benchmark with 15 hierarchical downstream tasks ranging from preprocessing to specialized applications for each Sentinel mission. Our dataset, model, and benchmark greatly improve the scalability, versatility, and multimodal adaptability of EO foundation models, while also creating new opportunities to connect EO, weather, and climate research. Codes, datasets and models are available at https://github.com/zhu-xlab/Copernicus-FM.
• Abstract（参考訳）: 地球観測(EO)基盤モデルの進歩は、宇宙から一般的な表現を学ぶために巨大な衛星データの可能性を解き明かし、地球に不可欠な幅広い下流の応用に恩恵をもたらした。 しかし、既存の活動のほとんどは固定されたスペクトルセンサーに限られており、地球表面のみに集中し、画像以外の貴重なメタデータを見落としている。 本研究では,3つの重要なコンポーネントを持つ次世代EOファンデーションモデルへの一歩を踏み出した。 コペルニクス・プレトレイン(Copernicus-Pretrain)は、地球の地表から大気にまたがる全ての主要なコペルニクス・センチネルミッションの187万枚の画像を統合する大規模な事前訓練データセットである。 2)Copernicus-FMは、拡張動的ハイパーネットとフレキシブルメタデータエンコーディングを用いて、スペクトル又は非スペクトルセンサのモダリティを処理できる統一基盤モデルである。 3) Copernicus-Benchは、15の階層的な下流タスクを持つ体系的評価ベンチマークである。 我々のデータセット、モデル、ベンチマークは、EOファンデーションモデルのスケーラビリティ、汎用性、マルチモーダル適応性を大幅に向上させ、同時に、EO、天気、気候研究を接続する新たな機会を生み出しました。 コード、データセット、モデルはhttps://github.com/zhu-xlab/Copernicus-FMで公開されている。

関連論文リスト

• SMPLest-X: Ultimate Scaling for Expressive Human Pose and Shape Estimation [81.36747103102459]
  表現的人間のポーズと形状推定(EHPS)は、身体、手、顔の動きを多数の応用で統合する。 現在の最先端の手法は、限定されたデータセット上で革新的なアーキテクチャ設計を訓練することに焦点を当てている。 本稿では,EHPSのスケールアップが一般基盤モデルのファミリに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-01-16T18:59:46Z)
• A Foundation Model for the Solar Dynamics Observatory [2.63089646549647]
  SDO-FMは、NASAのソーラー・ダイナミクス・オブザーバ(SDO)からのデータを用いた基礎モデルである。 本稿では、Hugging Faceとsdofm.orgのコミュニティで利用可能な、事前トレーニングされたモデルと埋め込みデータセットのリリースを示す。
  論文  参考訳（メタデータ） (2024-10-03T14:36:32Z)
• AI Foundation Model for Heliophysics: Applications, Design, and Implementation [1.2851259989174175]
  ファンデーションモデル(FM)は、大規模なデータセットで事前トレーニングされている。 本報告では, 医療用FMの設計基準について概観する。 ヘリオフィジカル領域でFMを設計した最初の研究であると考えている。
  論文  参考訳（メタデータ） (2024-09-30T15:48:28Z)
• SpectralEarth: Training Hyperspectral Foundation Models at Scale [47.93167977587301]
  ハイパースペクトル基礎モデルの事前学習を目的とした大規模マルチ時間データセットであるSpectralEarthを紹介する。 我々は、最先端の自己教師付き学習(SSL)アルゴリズムを用いて、SpectralEarthの一連の基礎モデルを事前訓練する。 我々は、土地被覆と収穫型マッピングのための4つの下流データセットを構築し、モデル評価のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2024-08-15T22:55:59Z)
• Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
  我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。 このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
  論文  参考訳（メタデータ） (2024-03-22T17:11:47Z)
• LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
  シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。 多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:08:44Z)
• SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery [35.550999964460466]
  本稿では,2150万の時間的シーケンスを持つマルチモーダルリモートセンシングデータセットを事前トレーニングした総称10億スケールモデルSkySenseを提案する。 我々の知る限り、SkySenseは今までで最大のマルチモーダルであり、モジュールを柔軟に組み合わせたり、個別に使用して様々なタスクに適合させることができる。
  論文  参考訳（メタデータ） (2023-12-15T09:57:21Z)
• UltraPose: Synthesizing Dense Pose with 1 Billion Points by Human-body Decoupling 3D Model [58.70130563417079]
  我々は,身体の発生を自由に制御できる,一連の分離されたパラメータを持つ新しい3次元人体モデルを導入する。 既存の手動注釈付きDensePose-COCOデータセットと比較して、合成されたUltraPoseは、アノテーションのコストと誤差を伴わずに、超高密度な画像-地上対応を持つ。
  論文  参考訳（メタデータ） (2021-10-28T16:24:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。