10:58
arXiv cs.AI@Junwei Luo, Shuai Yuan, Zhenya Yang, Yansheng Li, Zhe Liu, Hengshuang Zhao
推荐理由：EO-WM能更准确地预测植被在极端天气下的变化，NDVI误差降了5.63%，比现有模型更靠谱。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
10:58
EO-WM是一种基于视频扩散Transformer的多光谱地球观测预测模型。它通过物理信息条件框架，将气象强迫分解为气候基线、天气异常和累积物理应力信号，以提升对极端天气的响应。在极端夏季基准上，EO-WM将预测的归一化植被指数（NDVI）下降幅度误差降低了5.63%，方向命中率提高了7.80%。该模型在标准像素级指标上也保持竞争力，并计划开源。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
5月21日
10:22
10:22
arXiv cs.LG@Nassim Ait Ali Braham, Aaron Banze, Conrad M. Albrecht, Julien Mairal, Jocelyn Chanussot, Xiao Xiang Zhu
精选
推荐理由：高光谱数据终于不再被孤立——SpectralEarth-FM 让遥感团队能用上更全面的传感器信息，做土地覆盖分类或环境监测的开发者可以直接参考其开源架构和数据集。