一种面向地理空间系统的通用神经架构
机器学习
2022-11-07 v1 人工智能
计算机与社会
摘要
地理空间信息系统被研究人员以及人道主义援助与灾害响应(HADR)从业者用于支持各种重要应用。然而，由于地理空间数据模态的异构性（例如各种分辨率的多光谱图像、时间序列、天气数据）和任务的多样性（例如人类活动指标回归或森林火灾检测），这些参与者之间的协作十分困难。在这项工作中，我们提出了一个构建具有地理空间归纳偏置的通用神经架构(GPNA)的路线图，该架构以自监督方式在大量无标签地球观测数据上预训练。我们设想这样的模型如何促进社区成员之间的合作。我们展示了路线图第一步的初步结果，其中我们实例化了一种能够处理多种地理空间数据模态的架构，并证明其在与联合国可持续发展目标相关的任务上可以与特定领域架构取得具有竞争力的性能。
引用
@article{arxiv.2211.02348,
title = {A General Purpose Neural Architecture for Geospatial Systems},
author = {Nasim Rahaman and Martin Weiss and Frederik Träuble and Francesco Locatello and Alexandre Lacoste and Yoshua Bengio and Chris Pal and Li Erran Li and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2211.02348},
year = {2022}
}
备注
Presented at AI + HADR Workshop at NeurIPS 2022