轉移學習

深度分析

FLORO：以 MAE 與可用性感知構建的多模態地理空間基礎模型，強化跨感測器與跨尺度轉移能力

在遙測資料日益多元的背景下，研究提出FLORO以多模態、可用性感知與地理位置編碼學習可轉移表徵。模型在中高解析度衛星、航空與無人機資料上展現穩定遷移能力，凸顯小而多樣化語料也能取得實務化成效。在PANGAEA上分割表現接近更大型模型，並示範地理位置編碼能改善分類。