NASA和IBM的开源月球模型将17年的轨道器数据转化为月球科学的基础
decoder ·
NASA与IBM发布了NASA-IBM月球基础模型（NASA-IBM Lunar Foundation Model），这是一个开源AI工具，旨在使数十年的月球观测数据可用于机器学习。该模型基于LRO和GRAIL等任务17年来近200万个图块束的数据从头训练而成，通过利用大量未标注输入，解决了月球科学中标注数据稀缺的问题。其关键创新在于明确将光照几何作为输入，从而比先前方法更有效地区分表面特性与光照影响。在预测极地冰沉积方面，该模型表现出显著改进，与基线模型相比预测误差最高降低22%。它在不同尺度上的陨石坑检测中表现具有竞争力，并能分割不规则月海斑块（Irregular Mare Patches），但无法替代用于精确大地测量定位的物理测量仪器。通过将不同的数据层分配至独立的处理路径，并采用FlexiViT等技术，该模型无需重新训练即可适应多样化的图像图块尺寸。此次发布标志着NASA与IBM在《太空法案协议》下合作的里程碑，此前双方曾推出过类似Prithvi的地球观测模型。该模型、代码及数据集已通过Hugging Face、GitHub和TerraTorch工具包公开提供。
decoder