COP-GEN：用于 Copernicus 地球观测数据的潜在扩散变换器
计算机视觉与模式识别
2026-05-12 v3
摘要
地球观测应用日益依赖来自多个传感器的数据，包括光学、雷达、测高和地覆盖数据。传感器之间的关系对于数据集成至关重要，但本质上是非单射的：相同的条件信息可以对应于多个物理上合理的观察结果，应建模为条件分布。确定性模型相比，倾向于趋向于条件均值，无法代表数据完成和跨传感器转换等任务所需的不确定性和可变性。我们引入 COP-GEN，一种多模态潜在扩散变换器，能够在其本机空间分辨率下对异构 EO 模态的联合分布进行建模。通过将跨模态映射参数化为条件分布，COP-GEN 实现了灵活的任意到任意条件生成，包括无需任务特定重新训练的零样本模态转换。实验表明，COP-GEN 生成的样本既具有多样性又具有物理一致性，同时在光学、雷达和测高模态上保持良好的峰值保真度。定性和定量分析表明，该模型捕获了有意义的跨模态结构，并随条件信息的增加而调整其输出不确定性。我们发布了一个由多时相 Sentinel-2 观察构建的随机基准，使生成式 EO 模型能够进行分布级别比较。在该基准上，COP-GEN 覆盖了 90% 的真实观测流形和 63% 的每个波段反射率范围，而最强的竞争方法则分别坍缩到 2.8% 和 18%。这些结果凸显了地球观测中随机生成建模的重要性，并激励了超越单参考、点测度的评估协议。网站：https://miquel-espinosa.github.io/cop-gen
引用
@article{arxiv.2603.03239,
title = {COP-GEN: Latent Diffusion Transformer for Copernicus Earth Observation Data},
author = {Miguel Espinosa and Eva Gmelich Meijling and Valerio Marsocci and Elliot J. Crowley and Mikolaj Czerkawski},
journal= {arXiv preprint arXiv:2603.03239},
year = {2026}
}