論文の概要: Now We Know? A Systematic Comparison of TerraMind and THOR
- arxiv url: http://arxiv.org/abs/2607.18504v2
- Date: Fri, 24 Jul 2026 09:06:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 14:08:30.86517
- Title: Now We Know? A Systematic Comparison of TerraMind and THOR
- Title（参考訳）: TerraMindとThorのシステム比較
- Abstract要約: 本研究は、欧州宇宙機関(ESA)の$-labで開発された2つのGFMと、対照的な設計哲学を比較した。
アーキテクチャ設計の選択 – 特にパッチサイズとデコーダタイプ – は,モデルアイデンティティ自体よりもパフォーマンスのばらつきを説明できます。
- 参考スコア（独自算出の注目度）: 3.854501808287241
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Benchmarks for Geospatial Foundation Models (GFMs) increasingly rank models by aggregate score, but such rankings obscure why models differ: how much of the gap is architecture, how much is decoder capacity, and how much is a use-case-specific artefact? This study addresses that gap through a controlled comparison of two GFMs developed under European Space Agency's $Φ$-lab with contrasting design philosophies: THOR, which introduces a compute-adaptive architecture supporting variable patch sizes and unifies Sentinel-1, -2, and -3 data at their native resolutions; and TerraMind, a multimodal generative GFM pretrained with a dual-scale token/pixel objective that enables any-to-any cross-modal generation (Thinking-in-Modalities) to infer missing sensors at inference time. Rather than reporting a single leaderboard, we investigate the axes along which the two architectures actually differ - patch size, decoder complexity, finetuning regime, input modality, and model scale - across ten use cases spanning segmentation and regression in diverse domains, including climate disaster response, methane leak detection, snow monitoring, or sea ice mapping. We find that architectural design choices - patch size and decoder type in particular - explain more performance variance than model identity itself, that the two models embody complementary investment strategies (pretraining-time scale for TerraMind versus inference-time tokenisation for THOR), and that correctly interpreting results requires dataset-level characterisation. The resulting picture is not a single winner but a set of hypotheses and a diagnostic ablation methodology that we expect to generalise to future GFMs beyond THOR and TerraMind.
- Abstract（参考訳）: Geospatial Foundation Models(GFMs)のベンチマークは、集計スコアによってモデルをランク付けする傾向にあるが、なぜモデルが異なるのかははっきりしない。
THORは、可変パッチサイズをサポートする計算適応アーキテクチャを導入し、ネイティブ解像度でSentinel-1, -2, -3データを統一する。TerraMindは、デュアルスケールのトークン/ピクセルの目的で事前訓練され、任意のクロスモーダル生成(シンキング・イン・モダリティ)が可能なマルチモーダル生成GFMである。
単一リーダボードを報告するのではなく,2つのアーキテクチャが実際に異なる軸 – パッチサイズ,デコーダの複雑性,微調整機構,入力モダリティ,モデルスケール – を,気候災害応答,メタン漏れ検出,積雪監視,海氷マッピングなど,さまざまな領域のセグメンテーションとレグレッションにまたがる10のユースケースにわたって調査する。
アーキテクチャ設計の選択 – 特にパッチサイズとデコーダタイプ – は,モデルアイデンティティ自体よりもパフォーマンスのばらつきが大きいこと,2つのモデルが補完的な投資戦略(TerraMindの予測時間スケールとTHORの推論時間トークン化の予測)を具現化していること,結果の正しく解釈にはデータセットレベルのキャラクタリゼーションが必要であること,などが分かる。
結果は単一の勝者ではなく,THOR や TerraMind 以外の将来の GFM に一般化する,一連の仮説と診断アブレーション手法である。
関連論文リスト
- FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。
FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。
我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
論文 参考訳（メタデータ） (2026-05-27T08:55:54Z) - THOR: A Versatile Foundation Model for Earth Observation Climate and Society Applications [9.852915112122567]
THOR は入力の不均一性とデプロイメントの剛性の両方を解決する "Computeadaptive" 基盤モデルである。
我々は、新しいランダム化パッチと入力画像サイズ戦略を用いて、THORを事前訓練する。
これにより、どんなパッチサイズでも推論してトレーニング済みの重みのセットをデプロイすることが可能になり、再トレーニングせずに計算コストと特徴解決の間の動的なトレードオフが可能になる。
論文 参考訳（メタデータ） (2026-01-22T14:38:00Z) - Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。
本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
論文 参考訳（メタデータ） (2025-10-02T06:25:10Z) - Two Facets of the Same Optimization Coin: Model Degradation and Representation Collapse in Graph Foundation Models [41.39154912912367]
GFMはマルチドメインのテキスト属性グラフから最適な埋め込み関数を学習するために設計されている。
グラフ VQ-MAE は、ますます多様な GFM の風景の中で際立っている。
その可能性にも拘わらず、領域の一般化の衝突は認識不能な落とし穴を引き起こす。
論文 参考訳（メタデータ） (2025-09-10T08:45:08Z) - Intrinsic Explainability of Multimodal Learning for Crop Yield Prediction [36.766406330345525]
マルチモーダル学習ネットワークを説明するために,トランスフォーマーベースモデルの本質的な説明性を活用する。
本研究は,サブフィールドレベルでの収量予測の課題に焦点を当てた。
論文 参考訳（メタデータ） (2025-08-09T11:09:10Z) - TITAN: Query-Token based Domain Adaptive Adversarial Learning [0.0]
我々は、適応中にソースデータが利用できなくなり、未ラベルのターゲットドメインに適応しなければならない場合、ソースフリー領域適応オブジェクト検出(SF-DAOD)問題に焦点を当てる。
この問題に対するほとんどのアプローチは、学生教育者(ST)フレームワークを用いた自己教師型アプローチを採用しており、疑似ラベルはソース事前学習モデルを介して生成され、さらなる微調整が行われる。
学生モデルの性能は,教師モデルが崩壊し,主に擬似ラベルの高雑音が原因で著しく低下することが多い。
信頼性の高い擬似ラベルを得るために,我々は提案する。
論文 参考訳（メタデータ） (2025-06-26T17:12:58Z) - Magnifier: A Multi-grained Neural Network-based Architecture for Burned Area Delineation [4.833815605196964]
危機管理とリモートセンシングでは、イメージセグメンテーションが重要な役割を担い、災害対応や緊急計画といったタスクを可能にする。
同社の開発における問題は、データ不足と広範なベンチマークデータセットの欠如であり、大規模なニューラルネットワークモデルをトレーニングする能力を制限している。
本稿では,データ可用性を制限したセグメンテーション性能向上のための新しい手法,Magnifierを提案する。
論文 参考訳（メタデータ） (2025-04-28T08:51:54Z) - Manifold Topology Divergence: a Framework for Comparing Data Manifolds [109.0784952256104]
本研究では,深部生成モデルの評価を目的としたデータ多様体の比較フレームワークを開発する。
クロスバーコードに基づき,manifold Topology Divergence score(MTop-Divergence)を導入する。
MTop-Divergenceは,様々なモードドロップ,モード内崩壊,モード発明,画像乱れを正確に検出する。
論文 参考訳（メタデータ） (2021-06-08T00:30:43Z) - Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。
我々は2種類のグラフィカルモデルを提案する。
MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA)
これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
論文 参考訳（メタデータ） (2021-04-27T09:04:22Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z) - NAS-Count: Counting-by-Density with Neural Architecture Search [74.92941571724525]
ニューラルアーキテクチャサーチ(NAS)を用いたカウントモデルの設計を自動化する
エンド・ツー・エンドの検索エンコーダ・デコーダアーキテクチャであるAutomatic Multi-Scale Network(AMSNet)を導入する。
論文 参考訳（メタデータ） (2020-02-29T09:18:17Z)
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。