NASA и IBM выпустили открытую лунную модель, обученную на 17-летних данных орбитального аппарата
Материал подготовлен искусственным интеллектом на основе нескольких источников — ссылки на оригиналы приведены ниже.
NASA и IBM Research выпустили лунную базовую модель NASA-IBM Lunar Foundation Model с открытым исходным кодом. Модель обучена на почти 2 миллионах пакетов тайлов за 17 лет наблюдений орбитального аппарата Lunar Reconnaissance Orbiter. Она особенно хорошо предсказывает залежи льда на полюсах и обнаруживает кратеры.
Ключевые факты
- Модель обучена с нуля на SomBench — крупнейшем на сегодняшний день совместно зарегистрированном мультимодальном лунном корпусе, содержащем почти 2 миллиона пакетов тайлов в 11 модальностях и двух пространственных масштабах.
- Около 1 миллиона изображений высокого разрешения получены с Narrow Angle Camera с разрешением около 1 метра на пиксель, а чуть менее 964 000 мультиспектральных изображений — с Wide Angle Camera с разрешением 100 метров на пиксель.
- Основная часть обучающих данных получена за 17 лет наблюдений орбитального аппарата Lunar Reconnaissance Orbiter, объём данных которого превышает объём данных всех остальных планетарных миссий NASA вместе взятых.
- Набор данных объединяет более 30 пространственно согласованных слоёв данных от девяти инструментов и четырёх миссий, включая GRAIL, Lunar Prospector и японский зонд Kaguya/SELENE.
- Модель получает геометрию съёмки в качестве явного контекста, включая углы освещения, положение Солнца и размер тайла, а не выводит условия освещения из исходных пикселей.
Обучение модели и данные
Команда обучила модель с нуля на SomBench, который они описывают как крупнейший на сегодняшний день совместно зарегистрированный мультимодальный лунный корпус. SomBench содержит почти 2 миллиона пакетов тайлов в 11 модальностях и двух пространственных масштабах. Около 1 миллиона изображений высокого разрешения получены с Narrow Angle Camera с разрешением около 1 метра на пиксель, а чуть менее 964 000 мультиспектральных изображений — с Wide Angle Camera с разрешением 100 метров на пиксель. Основная часть данных получена за 17 лет наблюдений орбитального аппарата Lunar Reconnaissance Orbiter, объём данных которого превышает объём данных всех остальных планетарных миссий NASA вместе взятых. Данные миссии GRAIL, Lunar Prospector и японского зонда Kaguya/SELENE дополнили коллекцию, объединив более 30 пространственно согласованных слоёв данных от девяти инструментов и четырёх миссий.
Архитектура и возможности
Модель основана на TerraMind, мультимодальной модели наблюдения Земли, но исследователи обучили её с нуля, а не дообучали. Для каждого тайла модель получает геометрию съёмки в качестве явного контекста, включая углы освещения, положение Солнца и размер тайла. На Луне геометрия освещения влияет на внешний вид поверхности гораздо сильнее, чем её фактические свойства, поэтому команда передаёт эту информацию модели напрямую. Модель также обучается одновременно на изображениях высокого и низкого разрешения в рамках одного цикла обучения, улавливая как мелкие детали, так и крупномасштабный контекст. Она особенно хорошо предсказывает залежи льда на полюсах и обнаруживает кратеры.
1 источник
Время · отставание