09:33官方账号arXiv cs.AI@Jacob Arndt, Debvrat Varshney, Philipe Dias, Nivedita Nukavarapu该论文提出一个用于卫星图像篡改检测与定位的原型基准数据集,包含60张图像,其中30张经复制粘贴拼接或扩散模型修复等方式篡改,另30张为真实图像。每张图像都配有像素级真值掩码和采集元数据,支持定位性能评估。数据集已发布在HuggingFace平台,可免费下载。论文卫星图像深度伪造数据集推荐理由:遥感领域缺精细的篡改定位数据集,这个原型集合了拼接和扩散修复两类篡改,还带掩码和元数据,做取证研究可以直接拿来测。原文稍后读已读值得跟进有用关注 卫星图像
09:44官方账号arXiv cs.LG@Luke J. Zachmann, David D. Diaz, Vincent A. Landau, Chelsey Walden-Schreiner, Tony Chang, Nathan E. Rutenbeck, Katharyn A. Duffy, Kiarie Ndegwa, Andreas Gros, Scott Conway, Guy BayesVibrantForests框架融合国家森林清查、机载激光雷达和卫星图像,以10米分辨率生成美国本土全区域的森林结构属性图。该模型同时估计冠层覆盖、冠层高度、地上活树生物量、断面积和二次平均直径五项指标。模型扩展了常见被动传感器模型的饱和范围,并减少了回归均值行为(稀疏条件下高估、密集条件下低估)。该框架能以年度节奏提供连贯的全区域森林管理相关属性估计。论文VibrantForests激光雷达卫星图像推荐理由:VibrantForests搞了个新框架,用卫星和激光雷达做出全美10米分辨率森林地图,比老模型更准,不饱和不回归均值。原文稍后读已读值得跟进有用关注 VibrantForests
02:29官方一手Google Research: Blog(资讯)Google Research 推出 Earth AI 机器学习模型,通过分析高分辨率卫星图像识别土地覆盖类型与植被健康度,支持生态恢复项目的规划与监测。该模型在 Global Land Cover 数据集上训练,覆盖 10 米分辨率地表信息,并已在巴西、澳大利亚等地测试。Google 还开源了相关模型与数据集,供研究社区使用。AI模型Earth AIGoogle开源模型推荐理由:Google 用 AI 看卫星图帮你规划种树恢复生态,模型和数据集都开源了,想做生态项目可以试试原文稍后读已读值得跟进有用关注 Earth AI