在真实世界中部署地理空间基础模型:来自 WorldCereal 的经验
机器学习
2025-08-05 v1 人工智能
软件工程
摘要
日益丰富的地理空间基础模型有望变革土地覆盖分类、环境监测与变化检测等遥感应用。尽管基准测试结果令人鼓舞,这些模型在业务化场景中的部署仍面临挑战且较为少见。标准化的评估任务往往无法捕捉与终端用户采用相关的真实世界复杂性,如数据异质性、资源约束以及应用特有的需求。本文提出一种将地理空间基础模型集成到业务化制图系统中的结构化方法。该协议包含三个关键步骤:定义应用需求、使模型适配领域特定数据,以及开展严格的实证测试。在以 Presto 模型进行作物制图案例研究中,我们证明对预训练模型进行微调可显著优于传统的监督方法。我们的结果凸显了该模型强大的空间与时间泛化能力。该协议为实践者提供了可复制的蓝图,并为未来在多样化遥感应用中实现基础模型业务化的研究奠定了基础。将该协议应用于 WorldCereal 全球作物制图系统,展示了该框架的可扩展性。
引用
@article{arxiv.2508.00858,
title = {Deploying Geospatial Foundation Models in the Real World: Lessons from WorldCereal},
author = {Christina Butsko and Kristof Van Tricht and Gabriel Tseng and Giorgia Milli and David Rolnick and Ruben Cartuyvels and Inbal Becker Reshef and Zoltan Szantoi and Hannah Kerner},
journal= {arXiv preprint arXiv:2508.00858},
year = {2025}
}