面向地球视觉的统一 Copernicus 基础模型

地球观测(EO)基础模型的进展已解锁了利用大卫星数据从太空学习通用表示的潜力，这些表示惠及我们星球上广泛的下游应用。然而，大多数现有努力仅限于固定光谱传感器，专注于地表，忽略了图像之外的有价值元数据。本文致力于下一代EO基础模型，包含三个关键组件：1) Copernicus-Pretrain，一个大规模预训练数据集，整合了来自所有主要Copernicus Sentinel任务的1870万张对齐图像，涵盖从地表到大气层；2) Copernicus-FM，一个统一的基础模型，能够使用扩展的动态超网络和灵活的元数据编码处理任何光谱或非光谱传感器模组；3) Copernicus-Bench，一个系统化的评估基准，包含15个分层下游任务，从预处理到针对每个Sentinel任务的专业应用。我们的数据集、模型和基准大幅提高了EO基础模型的可扩展性、通用性和多模态适应性，同时也为连接EO、气象和气候研究创造了新的机遇。代码、数据集和模型均可在 https://github.com/zhu-xlab/Copernicus-FM 获取。