位置即所需：地球观测数据连续时空神经表示
计算机视觉与模式识别
2026-04-10 v2
摘要
本文提出了 LIANet（Location Is All You Need Network），一种基于坐标的神经表示模型，构建用于给定兴趣区域的多时空空间站地球观测（EO）数据的连续时空神经场。仅凭空间和时间坐标，LIANet 即可重建相应的卫星影像。一旦预训练，该神经表示可适应各种 EO 下游任务，如语义分割或像素级回归，重要的是，不需要访问原始卫星数据即可实现。LIANet 旨在作为地空间基础模型（GFMs）的友好替代方案，通过消除用户获取和预处理数据的开销，并仅基于标签进行微调。我们展示了在大小各异的目标区域上预训练 LIANet 的能力，并表明对下游任务进行微调可实现对比从头训练或使用既定 GFMs 的有竞争力的性能。源代码和数据集已公开于 https://github.com/mojganmadadi/LIANet/tree/v1.0.1。
引用
@article{arxiv.2604.07092,
title = {Location Is All You Need: Continuous Spatiotemporal Neural Representations of Earth Observation Data},
author = {Mojgan Madadikhaljan and Jonathan Prexl and Isabelle Wittmann and Conrad M Albrecht and Michael Schmitt},
journal= {arXiv preprint arXiv:2604.07092},
year = {2026}
}
备注
Updated the affiliation of one of the authors, no changes to the technical content