面向遥感的通用世界模型
机器学习
2025-12-02 v3
摘要
世界模型在人工智能中展现出潜力，能够预测和推理超越直接观测的世界状态。然而，现有方法主要在合成环境或受限场景中进行评估，限制了其在具有广泛空间覆盖和复杂语义的真实场景中的验证。同时，遥感应用迫切需要空间推理能力以应对灾害响应和城市规划。本论文通过引入首个面向遥感的通用世界建模框架来弥合这些差距。我们将遥感世界建模形式化为方向条件化的空间外推，其中模型在给定中心观测和方向指令的情况下生成语义一致的相邻图像瓦片。为实现严格评估，我们开发了 RSWISE（Remote Sensing World-Image Spatial Evaluation）基准测试，包含涵盖通用、洪水、城市和乡村四种场景的 1,600 个评估任务。RSWISE 结合基于 GPT-4o 作为语义裁判的视觉保真度评估与指令遵循评估，确保模型真正执行空间推理而非简单复制。随后，我们提出 RemoteBAGEL，一个针对空间外推任务在遥感数据上微调的多模态统一模型。大量实验表明 RemoteBAGEL 在 RSWISE 上持续优于现有最先进基线。
引用
@article{arxiv.2509.17808,
title = {Remote Sensing-Oriented World Model},
author = {Yuxi Lu and Biao Wu and Zhidong Li and Kunqi Li and Chenya Huang and Huacan Wang and Qizhen Lan and Ronghao Chen and Ling Chen and Bin Liang},
journal= {arXiv preprint arXiv:2509.17808},
year = {2025}
}
备注
10 pages, 5 figures