Adaptacja międzymodalna przy małej liczbie danych dla teledetekcji z buforowaniem cech wielogranularnych wzmocnionym przez proxy

Uczenie satelitów rozumienia Ziemi przy mniejszej ilości danych

Obrazy satelitarne to skarbnica informacji do śledzenia rozrostu miast, monitorowania upraw czy reagowania na katastrofy — jednak przekształcenie tych zdjęć w wiarygodne mapy zwykle wymaga tysięcy żmudnie przygotowanych etykiet. W artykule przedstawiono nową metodę umożliwiającą wykorzystanie potężnych modeli obraz–tekst do danych satelitarnych nawet wtedy, gdy przykładów z etykietami jest niewiele, co pomaga uzyskać aktualne, szczegółowe widoki naszej planety bez masowego znakowania.

Cytowanie: Sun, Y., Cheng, Q., Xie, W. et al. Low-data cross-modal adaptation for remote sensing with proxy-enhanced multi-granularity feature caching. Sci Rep 16, 10895 (2026). https://doi.org/10.1038/s41598-026-39823-7

Słowa kluczowe: teledetekcja, modele wizja-język, uczenie z nielicznymi przykładami, obrazy satelitarne, sztuczna inteligencja geoprzestrzenna