要旨： TerraFlow を、地球観測のためのマルチモーダル・マルチタイム学習への新しいアプローチとして提案します。 TerraFlow は、空間・時間・モダリティを跨ぐシーケンス対応型学習を可能にする時系列トレーニング目的に基づき、現実世界の地球観測データで一般的に見られる可変長入力にも頑健であるように設計されています。
我々の実験は、GEO-Bench-2 ベンチマークの全ての時系列タスクにわたり、TerraFlow が地球観測の最先端の基盤モデルより優れていることを示しています。
さらに TerraFlow は、自然災害に対するディープラーニングベースのリスクマップ予測というタスクに対して初期の一歩を踏み出せることを示しています。これは他の最先端基盤モデルがしばしば機能を失うタスクです。 TerraFlow は F1 スコアで最大50%、Brier スコアで最大24% 上回ります。
TerraFlow: 地球観測のためのマルチモーダル・マルチタイム表現学習
arXiv cs.CV / 2026/3/16
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- TerraFlowは、地球観測のための新しいマルチモーダル・マルチタイム学習アプローチで、異なるモダリティと時間ステップのデータを統合します。
- 空間・時間・モダリティを横断するシーケンス対応学習を可能にする時間的トレーニング目的を導入し、実世界のEOデータに共通する可変長入力にも頑健です。
- 実験では、GEO-Bench-2ベンチマークのすべての時系列タスクで最先端の基盤モデルを上回ります。
- 本研究は、自然災害リスクマップ予測に向けた深層学習ベースの初期段階を示しており、他のトップモデルがしばしばうまく機能しないタスクである。
- TerraFlowは、ベースラインと比較してF1スコアを最大50％向上させ、Brierスコアを最大で24％低減します。
