TerraFlow：地球观测的多模态、多时空表示学习
计算机视觉与模式识别
2026-03-16 v1 机器学习
摘要
我们提出TerraFlow，这是一种用于地球观测的多模态、多时空学习方法。TerraFlow基于时间训练目标，实现跨空间、时间和模态的序列感知学习，同时对真实世界地球观测数据中常见的可变长度输入保持鲁健。我们的实验表明，TerraFlow 在 GEO-Bench-2 基准测试中所有时序任务上均优于最先进的基础模型。我们还展示了TerraFlow 能够对基于深度学习的自然灾害风险图预测迈出初步步伐——而其他最先进的基础模型在此任务上常常崩溃。TerraFlow 在 F1 分数上领先最先进模型最高可达50%，在 Brier 分数上提升24%。
引用
@article{arxiv.2603.12762,
title = {TerraFlow: Multimodal, Multitemporal Representation Learning for Earth Observation},
author = {Nazar Puriy and Johannes Jakubik and Benedikt Blumenstiel and Konrad Schindler},
journal= {arXiv preprint arXiv:2603.12762},
year = {2026}
}