当地球基础模型遇见扩散模型：地表温度超分辨率的应用
计算机视觉与模式识别
2026-04-21 v1 机器学习
摘要
地表温度( LST )超分辨率对于环境监测至关重要，但由于粗糙热观测严重限制了细尺度结构的确定性。在本文中，我们提出了地球基础模型导引的扩散模型( EFDiff)，用于在极端空间退化情况下的超分辨率。EFDiff 使用 Prithvi-EO-2.0 地球基础模型对高分辨率多光谱反射率进行编码，生成地理编码嵌入，通过跨注意力机制注入到去噪网络，以引导从高度退化观测中重建细尺度结构。我们研究了两种变体，EFDiff- 和 EFDiff-，后者在感知真实性和像素级保真度之间提供了互补的权衡。在使用由 242,416 个共注册的 Landsat 热-反射率拼图组成的全球多样化基准进行极端 比例尺间隙评估后，结果表明 EFDiff 在所有基线方法中均表现出一致优越性，且 EFM 的跨注意力条件比 HLS 通道拼接更有效。虽然我们在 LST 超分辨率背景下呈现 EFDiff，但该框架可广泛应用于预训练地理表示可引导生成重建的遥感问题。
关键词
引用
@article{arxiv.2604.16841,
title = {When Earth Foundation Models Meet Diffusion: An Application to Land Surface Temperature Super-Resolution},
author = {Yiheng Chen and Zihui Ma and Peishi Jiang and Yilong Dai and Qikai Hu and Xinyue Ye and Lingyao Li and Rita Sousa and Runlong Yu},
journal= {arXiv preprint arXiv:2604.16841},
year = {2026}
}