Awesome Remote Sensing Foundation Models
Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):
🖥 GitHub
Содержание:
🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents
🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets
🔹 Others
* Relevant Projects
* Survey Papers
Данная коллекция ссылок создана во время работы над статьей:
📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.
#ИИ #FM
Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):
🖥 GitHub
Содержание:
🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents
🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets
🔹 Others
* Relevant Projects
* Survey Papers
Данная коллекция ссылок создана во время работы над статьей:
📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.
#ИИ #FM
Прогнозирование погоды с помощью моделей ИИ на основе открытых данных ECMWF
Команда специалистов системы прогнозирования погоды AIFS (Artificial Intelligence/Integrated Forecasting System) в Европейском центре среднесрочных прогнозов погоды (ECMWF) объявила, что теперь пользователи могут самостоятельно запускать модели прогноза погоды, использующие методы искусственного интеллекта (ИИ) и опирающиеся на открытые данные ECMWF.
Это позволит генерировать прогнозы на собственном компьютере пользователя, изучать методы прогнозирования с помощью ансамблей моделей и проводить сравнительный анализ моделей.
Установка python-пакетов традиционна:
Поддерживаются следующие модели прогнозирования погоды, использующие методы ИИ: Pangu-Weather, FourCastNet (версия 2), GraphCast, FuXi и Aurora.
В будущем ожидается поддержка системы AIFS. Пока можно получить готовые прогнозы, сделанные с помощью AIFS.
#погода #ИИ #python
Команда специалистов системы прогнозирования погоды AIFS (Artificial Intelligence/Integrated Forecasting System) в Европейском центре среднесрочных прогнозов погоды (ECMWF) объявила, что теперь пользователи могут самостоятельно запускать модели прогноза погоды, использующие методы искусственного интеллекта (ИИ) и опирающиеся на открытые данные ECMWF.
Это позволит генерировать прогнозы на собственном компьютере пользователя, изучать методы прогнозирования с помощью ансамблей моделей и проводить сравнительный анализ моделей.
Установка python-пакетов традиционна:
pip install ai-models
pip install ai-models-panguweather # Or another model
ai-models panguweather --input ecmwf-open-data
Поддерживаются следующие модели прогнозирования погоды, использующие методы ИИ: Pangu-Weather, FourCastNet (версия 2), GraphCast, FuXi и Aurora.
В будущем ожидается поддержка системы AIFS. Пока можно получить готовые прогнозы, сделанные с помощью AIFS.
#погода #ИИ #python
Обзор методов интерпретируемого машинного обучения для прогнозирования погоды и климата
В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.
В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.
📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797
#нейронки #погода #ИИ #климат
В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.
В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.
📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797
#нейронки #погода #ИИ #климат
Американская компания Aptos Orbital представила устройство с искусственным интеллектом для обработки данных, связи и облачных сервисов в космосе [ссылка]
“Современные спутники изолированы от современных облачных сред, им мешает нехватка бортовой вычислительной мощности и многочасовые разрывы в покрытии”, — говорится в заявлении соучредителя Aptos Йонатана Вайнтрауба (Yonatan Winetraub). “Наша цель — сделать спутники такими же интеллектуальными и доступными, как любой компьютер на Земле. Установив искусственный интеллект на борту [спутника], мы сможем обрабатывать живые спутниковые данные в источнике и передавать обработанную информацию обратно на Землю”.
Хотя Aptos — молодая компания, ее устройства с ИИ уже прошли летные испытания. За последние 2 года несколько подобных устройств проработали на орбите в общей сложности более 5 лет.
Модульные устройства Aptos выпускаются в двух вариантах: Mini — для CubeSat’ов и Max — для более крупных малых спутников.
Спутниковые терминалы связи обычно отличаются от радиационно-стойких процессоров для приложений ИИ. В отличие от них, Aptos “объединяет космические вычисления, постоянную связь и облачные сервисы в одном небольшом устройстве, которое предлагается по простой подписке”, — говорится в сообщении компании. “Такой целостный подход обеспечивает высочайшую производительность и является наиболее практичным решением для спутниковых операторов, позволяя им сэкономить годы на интеграции и проверке”.
#onboard #ИИ
“Современные спутники изолированы от современных облачных сред, им мешает нехватка бортовой вычислительной мощности и многочасовые разрывы в покрытии”, — говорится в заявлении соучредителя Aptos Йонатана Вайнтрауба (Yonatan Winetraub). “Наша цель — сделать спутники такими же интеллектуальными и доступными, как любой компьютер на Земле. Установив искусственный интеллект на борту [спутника], мы сможем обрабатывать живые спутниковые данные в источнике и передавать обработанную информацию обратно на Землю”.
Хотя Aptos — молодая компания, ее устройства с ИИ уже прошли летные испытания. За последние 2 года несколько подобных устройств проработали на орбите в общей сложности более 5 лет.
Модульные устройства Aptos выпускаются в двух вариантах: Mini — для CubeSat’ов и Max — для более крупных малых спутников.
Спутниковые терминалы связи обычно отличаются от радиационно-стойких процессоров для приложений ИИ. В отличие от них, Aptos “объединяет космические вычисления, постоянную связь и облачные сервисы в одном небольшом устройстве, которое предлагается по простой подписке”, — говорится в сообщении компании. “Такой целостный подход обеспечивает высочайшую производительность и является наиболее практичным решением для спутниковых операторов, позволяя им сэкономить годы на интеграции и проверке”.
#onboard #ИИ
This media is not supported in your browser
VIEW IN TELEGRAM
ИИ-поиск
⚛️ SearchGPT. OpenAI объявила о полномасштабном запуске 📹 веб-поиска в ChatGPT. Сейчас поиск доступен для Plus и Team пользователей, но постепенно круг пользователей будет расширяться.
OpenAI заключило партнерские соглашения с ведущими СМИ (AP, Reuters, FT и др.) и обещает:
• Интегрирование в SearchGPT поиска по актуальным данным
• Автоматическое определение необходимости поиска
• Сохранение контекста беседы при поиске
• Визуально обогащенные ответы для погоды, спорта, акций
⚛️ Perplexity (https://www.perplexity.ai). Первопроходец в ИИ-поиске. Сервис обещает:
* Ответы вместо ссылок: вместо списка страниц пользователь получает связный текст, написанный повседневным языком.
* Знания в реальном времени: поиск в Интернете в режиме реального времени, чтобы предоставить самую свежую информацию.
* Надежные источники . Ответы содержат ссылки на источники, из которых взята информация.
Выглядит это красиво. На деле:
* для поиска информации на английском языке нужно задавать вопрос на этом языке (deepl.com в помощь);
* трудно найти свежую информацию. Проблемы с ограничением запроса по времени + система просто не возвращает ссылки на публикации последних суток/недель.
На данный момент эта штука ничем не лучше ⚛️ Яндекс с нейро.
Кстати, интересно попросить ИИ-сервисы поиска порекомендовать “коллег” (Какие сервисы ИИ-поиска в интернете посоветуешь?/What AI-search services do you recommend?).
⚛️ Consensus (http://consensus.app/) Эта ИИ-система выдает результаты только из научных источников. Каждый тезис сопровождается ссылкой на источник. Кликнув на него можно получить краткий пересказ работы или посмотреть оригинал.
Для поиска наиболее релевантных статей Consensus использует гибридный подход, сочетающий машинное обучение с классическим поиском по ключевым словам. Consensus также использует ИИ для оценки качественных характеристик научных работ, которые затем применяются для ранжирования поиска.
В Consensus есть хорошая система фильтрации поиска.
Команды вроде "make a table of..." или "...in a table" в поиске (режим Pro) генерируют результаты поиска в табличном виде. Их можно скопировать вместе со ссылками на источники информации.
#справка #ИИ
⚛️ SearchGPT. OpenAI объявила о полномасштабном запуске 📹 веб-поиска в ChatGPT. Сейчас поиск доступен для Plus и Team пользователей, но постепенно круг пользователей будет расширяться.
OpenAI заключило партнерские соглашения с ведущими СМИ (AP, Reuters, FT и др.) и обещает:
• Интегрирование в SearchGPT поиска по актуальным данным
• Автоматическое определение необходимости поиска
• Сохранение контекста беседы при поиске
• Визуально обогащенные ответы для погоды, спорта, акций
⚛️ Perplexity (https://www.perplexity.ai). Первопроходец в ИИ-поиске. Сервис обещает:
* Ответы вместо ссылок: вместо списка страниц пользователь получает связный текст, написанный повседневным языком.
* Знания в реальном времени: поиск в Интернете в режиме реального времени, чтобы предоставить самую свежую информацию.
* Надежные источники . Ответы содержат ссылки на источники, из которых взята информация.
Выглядит это красиво. На деле:
* для поиска информации на английском языке нужно задавать вопрос на этом языке (deepl.com в помощь);
* трудно найти свежую информацию. Проблемы с ограничением запроса по времени + система просто не возвращает ссылки на публикации последних суток/недель.
На данный момент эта штука ничем не лучше ⚛️ Яндекс с нейро.
Кстати, интересно попросить ИИ-сервисы поиска порекомендовать “коллег” (Какие сервисы ИИ-поиска в интернете посоветуешь?/What AI-search services do you recommend?).
⚛️ Consensus (http://consensus.app/) Эта ИИ-система выдает результаты только из научных источников. Каждый тезис сопровождается ссылкой на источник. Кликнув на него можно получить краткий пересказ работы или посмотреть оригинал.
Для поиска наиболее релевантных статей Consensus использует гибридный подход, сочетающий машинное обучение с классическим поиском по ключевым словам. Consensus также использует ИИ для оценки качественных характеристик научных работ, которые затем применяются для ранжирования поиска.
В Consensus есть хорошая система фильтрации поиска.
Команды вроде "make a table of..." или "...in a table" в поиске (режим Pro) генерируют результаты поиска в табличном виде. Их можно скопировать вместе со ссылками на источники информации.
#справка #ИИ
Microsoft и NASA запускают ИИ-помощника Earth Copilot для облегчения работы с космическими данными
Объем геопространственных данных NASA превышает 100 петабайтов, и ожидается, что в ближайшие годы он увеличится в разы. Эти данные содержат сведения об атмосферных условиях, изменениях в почвенно-растительном покрове, температуре океана и многом другом, но разобраться в них могут только специалисты.
Earth Copilot призван упростить процесс поиска и извлечения информации из данных наблюдения Земли, собранных NASA. Пользователи смогут общаться с Copilot на естественном языке, задавая вопросы вроде как «Как повлиял ураган „Ян“ на остров Санибел?» или «Как пандемия COVID-19 повлияла на качество воздуха в США?». ИИ извлечет соответствующие наборы данных, сделав этот процесс простым и понятным.
В создании Earth Copilot NASA сотрудничает с Microsoft, используя Azure OpenAI для интеграции ИИ в свое хранилище данных.
Сейчас Earth Copilot доступен только для ученых и исследователей NASA, которые оценят возможности инструмента. Затем будут изучать возможность его интеграции в платформу визуализации, исследования и анализа данных NASA — VEDA.
Источник
#ИИ
Объем геопространственных данных NASA превышает 100 петабайтов, и ожидается, что в ближайшие годы он увеличится в разы. Эти данные содержат сведения об атмосферных условиях, изменениях в почвенно-растительном покрове, температуре океана и многом другом, но разобраться в них могут только специалисты.
Earth Copilot призван упростить процесс поиска и извлечения информации из данных наблюдения Земли, собранных NASA. Пользователи смогут общаться с Copilot на естественном языке, задавая вопросы вроде как «Как повлиял ураган „Ян“ на остров Санибел?» или «Как пандемия COVID-19 повлияла на качество воздуха в США?». ИИ извлечет соответствующие наборы данных, сделав этот процесс простым и понятным.
В создании Earth Copilot NASA сотрудничает с Microsoft, используя Azure OpenAI для интеграции ИИ в свое хранилище данных.
Сейчас Earth Copilot доступен только для ученых и исследователей NASA, которые оценят возможности инструмента. Затем будут изучать возможность его интеграции в платформу визуализации, исследования и анализа данных NASA — VEDA.
Источник
#ИИ
YouTube
NASA's new Earth Copilot brings Microsoft AI to democratize access to complex data
NASA geospatial data exceeds 100 petabytes and is expected to multiply in the coming years. This data is critical to understanding our world and addressing the complex challenges facing it. This data can be complex and inaccessible. That's why NASA collaborated…
Обнаружение болезней сельскохозяйственных культур на уровнях листа и поля: чего можно ожидать от искусственного интеллекта?
📖 Lebrini, Y., & Ayerdi Gotor, A. (2024). Crops Disease Detection, from Leaves to Field: What We Can Expect from Artificial Intelligence. Agronomy, 14(11), 2719. https://doi.org/10.3390/agronomy14112719
Сельское хозяйство решает многочисленные задачи по увеличению производительности при одновременном снижении количества используемых химикатов и удобрений. Обзор посвящен прогрессу, достигнутому в использовании машинного обучения и дистанционного зондирования для обнаружения и идентификации болезней сельскохозяйственных культур, что может помочь фермерам: (1) выбрать правильное лечение, наиболее подходящее к конкретной болезни, (2) лечить болезни на ранних стадиях заражения и, (3) возможно, в будущем проводить лечение только там, где это необходимо или экономически выгодно. Уровень техники показывает значительный прогресс в обнаружении и идентификации болезней на уровне листа у большинства культивируемых видов. Гораздо меньший прогресс достигнут в обнаружении болезней на уровне поля, где окружающая среда сложна, и который пока реализован лишь для некоторых полевых культур.
📸 Блок-схема методики сбора данных по идентификации болезней растений с помощью искусственного интеллекта и дистанционного зондирования.
#ИИ #сельхоз
📖 Lebrini, Y., & Ayerdi Gotor, A. (2024). Crops Disease Detection, from Leaves to Field: What We Can Expect from Artificial Intelligence. Agronomy, 14(11), 2719. https://doi.org/10.3390/agronomy14112719
Сельское хозяйство решает многочисленные задачи по увеличению производительности при одновременном снижении количества используемых химикатов и удобрений. Обзор посвящен прогрессу, достигнутому в использовании машинного обучения и дистанционного зондирования для обнаружения и идентификации болезней сельскохозяйственных культур, что может помочь фермерам: (1) выбрать правильное лечение, наиболее подходящее к конкретной болезни, (2) лечить болезни на ранних стадиях заражения и, (3) возможно, в будущем проводить лечение только там, где это необходимо или экономически выгодно. Уровень техники показывает значительный прогресс в обнаружении и идентификации болезней на уровне листа у большинства культивируемых видов. Гораздо меньший прогресс достигнут в обнаружении болезней на уровне поля, где окружающая среда сложна, и который пока реализован лишь для некоторых полевых культур.
📸 Блок-схема методики сбора данных по идентификации болезней растений с помощью искусственного интеллекта и дистанционного зондирования.
#ИИ #сельхоз
Платформа CubeSatGPT для обмена информацией со спутниками
Компания Vector Space Biosciences собирается отправить на орбиту наноспутник CubeSat с тихоходками на борту. Предполагается исследовать воздействие на тихоходок микрогравитации и космической радиации.
Для получения информации о состоянии тихоходок будет использована платформа CubeSatGPT. Компания предлагает бесплатную подписку на нее для школьников и преподавателей. По словам генерального директора Vector Space Biosciences Касиана Фрэнкса (Kasian Franks), школьникиюннаты смогут “задавать вопросы CubeSat'у с тихоходками, <…> вроде «Как сегодня поживают тихоходки?» или «Опишите, насколько холодно в космосе для тихоходок», а также более сложные запросы, включающие детали измерений в условиях микрогравитации и космической радиации”. Компания предполагает использовать CubeSatGPT для запусков CubeSat с биотехнологическими, фармацевтическими, материаловедческими и другими полезными нагрузками.
#ИИ
Компания Vector Space Biosciences собирается отправить на орбиту наноспутник CubeSat с тихоходками на борту. Предполагается исследовать воздействие на тихоходок микрогравитации и космической радиации.
Для получения информации о состоянии тихоходок будет использована платформа CubeSatGPT. Компания предлагает бесплатную подписку на нее для школьников и преподавателей. По словам генерального директора Vector Space Biosciences Касиана Фрэнкса (Kasian Franks), школьники
#ИИ
Kayrros упрощает поиск источников выбросов метана
Компания Kayrros, занимающаяся мониторингом выбросов парниковых газов, внедряет большую языковую модель чтобы упростить поиск информации об источниках выбросов метана.
“Метановый GPT” KayrrosAI позволяет пользователям задавать вопросы на простом языке и бесплатно получать ответы об источниках выбросов метана, данные о которых содержит созданная компанией карта Methane Watch.
Источник
#CH4 #GHG #ИИ #данные
Компания Kayrros, занимающаяся мониторингом выбросов парниковых газов, внедряет большую языковую модель чтобы упростить поиск информации об источниках выбросов метана.
“Метановый GPT” KayrrosAI позволяет пользователям задавать вопросы на простом языке и бесплатно получать ответы об источниках выбросов метана, данные о которых содержит созданная компанией карта Methane Watch.
Источник
#CH4 #GHG #ИИ #данные
База научных публикаций по искусственному интеллекту (https://papers.a-ai.ru/) собирает информацию о статьях российских авторов на научных конференциях и в индексируемых журналах. На данный момент собрана информация о более 6000 статей с российских ученых, опубликованных с 2014 года.
На сегодняшний день в базе публикаций реализован поиск статей по авторам, организациям, конференциям и журналам, не требующий регистрации.
Ресурс предоставляет всем зарегистрированным пользователям бесплатный доступ по API, который содержит информацию об авторах, конференциях, журналах, организациях, публикациях и дашбордах.
В базе настроены аналитические инструменты, которые, по достижении полноты архива, позволят анализировать публикационную активность по различным параметрам
Базу публикаций создает ИТМО по заказу “Альянса в сфере искусственного интеллекта”. Она будет постоянно пополняться данными из открытых источников, а также данными, предоставленными пользователями.
#ИИ #справка
На сегодняшний день в базе публикаций реализован поиск статей по авторам, организациям, конференциям и журналам, не требующий регистрации.
Ресурс предоставляет всем зарегистрированным пользователям бесплатный доступ по API, который содержит информацию об авторах, конференциях, журналах, организациях, публикациях и дашбордах.
В базе настроены аналитические инструменты, которые, по достижении полноты архива, позволят анализировать публикационную активность по различным параметрам
Базу публикаций создает ИТМО по заказу “Альянса в сфере искусственного интеллекта”. Она будет постоянно пополняться данными из открытых источников, а также данными, предоставленными пользователями.
#ИИ #справка