机构名称：
¥ 1.0
近年来，由于来自公共和私营部门的重要努力，遥感图像变得比以往任何时候都更加可行。例如，欧盟的哥白尼计划可免费访问合成孔径雷达（SAR）和多光谱数据。除了政府倡议，公司（例如行星实验室）还每天在全球范围内提供非常高的分辨率图像。遥感图像包含已经使用的信息来跟踪气候变化，改善安全性并理解和管理环境。利用广泛的遥感方式提供的不同级别的信息是一个积极的研究领域。多模式性用于许多遥感应用程序[1]。但是，遥感数据的解释通常由专家执行，通常涉及手动处理。随着数据量的增加，手动解释成为影响提取信息的延迟的限制因素，也是可以使用此类数据的域。对于特定应用程序，遥感社区一直在开发临时自动方法。因此，这些作品只能处理任一通用应用程序（例如污染监测）或具有直接财务利益的污染监测。在存在数据时，普通受众并不总是具有提取感兴趣信息的技术知识，或者可以为研究提供资金的能力。在这个项目中，我们将利用EO工具可以通过代码连接的事实。我们认为，遥感图像中包含的信息可能吸引更大的公众：记者可以检索此类数据以理解，关注战争以及气候变化或地方政府的影响，或者可以在其决策过程和研究中使用此数据。通过非技术和通用接口从遥感数据中提取信息将是一种使总受众直接从该数据中受益的方法。IC-EO项目的目的是提出一个可以与图像等EO数据相互作用的会话助手。这将使我们能够提出一个模型，该模型可以以可扩展且直接的方式整合最新研究状态。IC-EO助手的目的是能够回答以下问题：“去年夏天大火期间该地区的左侧有多少场地？”，以及“有多少建筑物距离公园步行不到5分钟？”，而无需限制特定格式。唯一地，此类问题的答案将基于代码，因此可以审查和理解，而不是当前方法的黑盒性质。该模型可以分为两个部分：首先，我们提出了一个涵盖基本任务的应用程序编程接口（API），例如分类，对象检测，视觉接地和语义分割。第二，我们将训练一个大型语言模型，以使用此API作为上下文，以预测用户查询的基于代码的解决方案。助手执行的样本如图1所示。
基于代码的EO任务助手
主要关键词
相关文件推荐
