CangLing-KnowFlow: Agente unificado para teledetección
CangLing-KnowFlow: agente unificado que integra conocimiento experto y flujos adaptativos para teledetección compleja. Mayor tasa de éxito.
#teledetección
FUSAR-GPT: VLM con características espacio-temporales para imágenes SAR
Descubre FUSAR-GPT, el modelo de lenguaje visual que integra características espacio-temporales para mejorar la interpretación de imágenes SAR en más del 10%.
ATT-CR: Transformador Triangular Adaptativo para Eliminación de Nubes
Descubre cómo ATT-CR, el Transformador Triangular Adaptativo, elimina nubes en imágenes satelitales reduciendo costos computacionales y mejorando precisión.
Clasificación Multietiqueta Robusta con Regularización Adaptativa al Ruido
Mejora la clasificación multietiqueta de imágenes satelitales con NAR, que maneja ruido aditivo y sustractivo. Aprendizaje robusto.
Comparación de algoritmos de ML para mapeo de cultivos en temporada
Descubre cómo los algoritmos de machine learning comparan en precisión para mapear cultivos de maíz y almendras usando imágenes satelitales antes de la cosecha.
Pocos datos, grandes mapas: Entrenar modelos geoespaciales con muestras escasas
Descubre cómo entrenar modelos de machine learning geoespacial con pocas muestras etiquetadas. Técnicas prácticas para superar la escasez de datos.
LaVIDE: Detección de cambios satelitales con lenguaje y alineación mapa-imagen
LaVIDE detecta cambios en imágenes satelitales mediante alineación mapa-imagen con lenguaje, logrando mejoras de hasta 18.4% en precisión. Ideal para planificación urbana, desastres y conservación.
LaVIDE: Detección de cambios satelitales con lenguaje y alineación mapa-imagen
Descubre LaVIDE, un innovador framework que usa lenguaje para alinear mapas e imágenes satelitales, logrando una detección de cambios precisa con mejoras del 18% en IoU.
Codificadores Visuales con Estado para Modelos de Visión-Lenguaje
Codificadores visuales con estado mejoran la comparación entre imágenes en modelos de visión-lenguaje, superando a especialistas en radiología y teledetección.
Codificadores visuales con estado para modelos visión-lenguaje
Descubre cómo los codificadores visuales con estado mejoran los modelos visión-lenguaje en tareas multi-imagen y superan a modelos en radiología y teledetección
Regresión polinómica bagged y redes neuronales
Descubre cómo la regresión polinómica en bolsas iguala precisión de redes neuronales en predicción ambiental, con transparencia y diagnósticos intuitivos.
Modelos geoespaciales fundacionales para impulsar los Objetivos de Desarrollo Sostenible
Descubre cómo los modelos fundacionales geoespaciales pueden acelerar el logro de los ODS. Analizamos su rendimiento, eficiencia y alcance ético.
Comprensión del paisaje agrícola a escala nacional
Descubre el primer sistema de mapeo agrícola a escala nacional que identifica campos, árboles y agua con IA. Ideal para políticas y desarrollo sostenible.
Deep Learning para mejorar el mapeo de inundaciones por satélite
Descubre cómo el Deep Learning y los modelos de difusión eliminan nubes en imágenes satelitales para mejorar el mapeo de inundaciones y la gestión de desastres.
UrbanFusion: Fusión multimodal para representaciones espaciales robustas
UrbanFusion combina imágenes, mapas y POI con fusión estocástica para representaciones espaciales robustas. Supera modelos previos en 41 tareas.
Predicción de reflectancia espectral de hojas con redes de atención multi-cabeza
Descubre cómo una red con atención multi-cabeza alcanza R² 0.84 en predicción de reflectancia foliar, supera modelos clásicos. Ideal para monitoreo de viñedos.
LALE: Arquitectura Transformer Ligera para Estimación de Cobertura Terrestre
Descubre LALE, la nueva arquitectura Transformer ligera que bate récords de eficiencia en segmentación de imágenes satelitales. Solo 1.6M parámetros.