每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

StefaLand：一种高效的地球科学基础模型，可改进动态地表预测

Created by
  • Haebom

作者

尼古拉斯·克拉贝尔、刘江涛、卞雨辰、丹尼尔·基弗、沉超鹏

大纲

StefaLand 是一个基于地球的生成式时空模型，用于预测气候变化对地表的响应和人类反馈。该模型在四项任务和五个数据集（径流、土壤湿度和土壤成分）上的表现优于现有的最先进模型。StefaLand 在不同数据稀疏区域具有良好的泛化能力，并支持广泛的地表应用，它利用了掩码自编码器主干、位置感知架构、基于属性的表示和残差微调适配器。

Takeaways，Limitations

•
Takeaways：
◦
展示在各种数据稀疏区域中的泛化性能。
◦
完善动态地表相互作用预测，支持各类下游应用。
◦
利用学术计算资源可以进行预训练和微调。
◦
优于最先进的基础模型和经过微调的基于视觉的模型。
•
Limitations：
◦
论文中没有具体提及Limitations。
👍
Made with Slashpage