AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data

定制 嵌入 计算机科学 地理空间分析 领域(数学) 集合(抽象数据类型) 代表(政治) 一套 数据集 人工智能 稀疏逼近 数据挖掘 数据建模 机器学习 稀疏矩阵 合成数据 水准点(测量) 对偶(语法数字) 理论计算机科学 模式识别(心理学) 空间分析 钥匙(锁)
作者
Brown, Christopher F,Kazmierski, Michal R.,Pasquarella, Valerie J.,Rucklidge, William J.,Samsikova, Masha,Zhang Chenhui,Shelhamer, Evan,Lahera, Estefania,Wiles, Olivia,Ilyushchenko, Simon,Gorelick, Noel,Zhang, Lihui Lydia,Alj, Sophia,Schechter, Emily,Askay, Sean,Guinan, Oliver,Moore Rebecca,Boukouvalas, Alexis,Kohli, Pushmeet
出处
期刊:Cornell University - arXiv 被引量:3
标识
DOI:10.48550/arxiv.2507.22291
摘要

Unprecedented volumes of Earth observation data are continually collected around the world, but high-quality labels remain scarce given the effort required to make physical measurements and observations. This has led to considerable investment in bespoke modeling efforts translating sparse labels into maps. Here we introduce AlphaEarth Foundations, an embedding field model yielding a highly general, geospatial representation that assimilates spatial, temporal, and measurement contexts across multiple sources, enabling accurate and efficient production of maps and monitoring systems from local to global scales. The embeddings generated by AlphaEarth Foundations are the only to consistently outperform a suite of other well-known/widely accepted featurization approaches tested on a diverse set of mapping evaluations without re-training. We have released a dataset of global, annual, analysis-ready embedding field layers from 2017 through 2024.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
litn完成签到 ,获得积分10
1秒前
1秒前
1秒前
1秒前
小青椒应助飞快的诗槐采纳,获得20
2秒前
小鱼儿发布了新的文献求助10
2秒前
2秒前
3秒前
3秒前
3秒前
redflower完成签到,获得积分10
3秒前
几两完成签到 ,获得积分10
3秒前
4秒前
5秒前
滴答滴完成签到 ,获得积分10
6秒前
lalala完成签到,获得积分10
7秒前
kuankuan发布了新的文献求助10
8秒前
kuankuan发布了新的文献求助10
8秒前
kuankuan发布了新的文献求助10
8秒前
kuankuan发布了新的文献求助10
8秒前
kuankuan发布了新的文献求助10
8秒前
kuankuan发布了新的文献求助10
8秒前
paz_1010发布了新的文献求助10
9秒前
wsw发布了新的文献求助10
9秒前
鱼梓完成签到,获得积分10
10秒前
开心完成签到 ,获得积分10
11秒前
满意捕完成签到,获得积分10
11秒前
12秒前
12秒前
吨吨完成签到,获得积分10
12秒前
12秒前
知性的成完成签到 ,获得积分10
12秒前
田様应助111采纳,获得30
12秒前
邹曼梅完成签到,获得积分10
13秒前
好运连连完成签到,获得积分10
14秒前
14秒前
科研通AI6应助TIAN采纳,获得10
15秒前
千寻未央完成签到,获得积分10
15秒前
17秒前
廿二完成签到,获得积分10
18秒前
高分求助中
HIGH DYNAMIC RANGE CMOS IMAGE SENSORS FOR LOW LIGHT APPLICATIONS 1500
Constitutional and Administrative Law 1000
Questioning sequences in the classroom 700
Microbially Influenced Corrosion of Materials 500
Die Fliegen der Palaearktischen Region. Familie 64 g: Larvaevorinae (Tachininae). 1975 500
The Experimental Biology of Bryophytes 500
Rural Geographies People, Place and the Countryside 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5379192
求助须知:如何正确求助?哪些是违规求助? 4503605
关于积分的说明 14016048
捐赠科研通 4412336
什么是DOI,文献DOI怎么找? 2423761
邀请新用户注册赠送积分活动 1416652
关于科研通互助平台的介绍 1394188