NeuCo-Bench：面向地球观测神经嵌入的新型基准框架
机器学习
2026-03-16 v2 人工智能
计算机视觉与模式识别
摘要
我们介绍NeuCo-Bench，一个用于评估地球观测（EO）中神经压缩与表征学习（lossy）的 novel 基准框架。我们的 方法基于固定大小的嵌入，这些嵌入作为紧凑且任务中性的表征，可适用于广泛的下游任务。NeuCo-Bench包含三个组成部分：（i）围绕嵌入构建的评估管道，（ii）具有隐藏任务排行榜的挑战模式，以缓解预训练偏差，（iii）平衡准确性与稳�性的评分系统。为支持可重复性，我们发布了SSL4EO-S12-downstream，一个筛选好的多光谱、多时序EO数据集。我们展示了来自2025年CVPR EARTHVISION工作坊的公开挑战结果，并针对最新SOTA foundation模型进行消融实验。NeuCo-Bench为推动社区对EO及更广泛领域的神经嵌入进行标准化、社区驱动的评估迈出了一步。
关键词
引用
@article{arxiv.2510.17914,
title = {NeuCo-Bench: A Novel Benchmark Framework for Neural Embeddings in Earth Observation},
author = {Rikard Vinge and Isabelle Wittmann and Jannik Schneider and Michael Marszalek and Luis Gilch and Thomas Brunschwiler and Conrad M Albrecht},
journal= {arXiv preprint arXiv:2510.17914},
year = {2026}
}