Thalia：用于火山活动监控的全球多模态数据集
计算机视觉与模式识别
2026-03-24 v3
摘要
火山活动的持续监测对于保护生命、基础设施和生态系统至关重要。然而，仅有很小一部分已知火山持续被监测。卫星基地干涉合成孔径雷达（InSAR）使其能够进行系统性、全球尺度的形变监测。然而，其复杂数据挑战了传统遥感方法。深度学习提供了一种自动化和增强InSAR解释的强大方法，推动了火山学和地震灾害评估。尽管前景广阔，但由于缺乏经过精心整理的数据集，进展有限。本文基于现有的Hephaestus数据集，引入Thalia，解决了关键限制并通过更高分辨率、多源和多时序数据丰富了其范围。Thalia是一套覆盖7年、整合InSAR产品、地形数据以及已知会引入信号延迟（可模拟地面形变）的大气变量的全球38个时空数据立方体。每个样本包括详细描述形变类型、强度和范围的专家注释，伴随描述性文本。为实现公平且一致的评估，我们提供了使用最先进模型进行分类和分割的全面基准。本工作促进了机器学习与地球科学之间的合作，推动火山监测，以及在地球科学中推广数据驱动方法。参见 https://github.com/Orion-AI-Lab/Thalia
引用
@article{arxiv.2505.17782,
title = {Thalia: A Global, Multi-Modal Dataset for Volcanic Activity Monitoring},
author = {Nikolas Papadopoulos and Nikolaos Ioannis Bountos and Maria Sdraka and Andreas Karavias and Gustau Camps-Valls and Ioannis Papoutsis},
journal= {arXiv preprint arXiv:2505.17782},
year = {2026}
}