Jamie Tolan, Hung-I Yang, Benjamin Nosarzewski, Guillaume Couairon, Huy V. Vo, John Brandt, Justine Spore, Sayantan Majumdar, Daniel Haziza, Janaki Vamaraju, Théo Moutakanni, Piotr Bojanowski, Tracy Johns, Brian White, Tobias Tiecke, Camille Couprie
[论文
][ArxiV [相同内容]
] [博客
] [BibTeX
]
高分辨率冠层高度预测推理的 PyTorch 实现和预训练模型。详情请参阅论文: 使用自监督视觉 Transformer 和卷积解码器在航空激光雷达上训练的超高分辨率冠层高度地图从 RGB 图像生成。
我们与 Meta 的物理建模和可持续发展团队以及世界资源研究所合作,将 DINOv2:无监督学习鲁棒视觉特征 应用于冠层高度地图(CHM)预测问题。我们使用这种技术在全球约 1800 万张卫星图像上预训练主干网络。然后,我们在一个覆盖美国几千平方公里森林的适度规模的训练数据集上训练了一个 CHM 预测器,将这个主干网络作为特征提取器。 我们在论文中定量和定性地展示了大规模自监督学习的优势,所获得的表示具有versatility,能够推广到不同的地理区域和输入图像。
使用此模型获得的地图可在 https://wri-datalab.earthengine.app/view/submeter-canopyheight 查看。
pytorch, pytorch lightning, pandas
成功创建推理环境的示例
conda create -n hrch python=3.9 -y
conda activate hrch
conda install pytorch==2.0.1 torchvision==0.15.2 pytorch-cuda=11.7 -c pytorch -c nvidia
pip install pytorch_lightning==1.7
pip install pandas
pip install matplotlib
pip install torchmetrics==0.11.4
您可以从以下位置下载数据和保存的检查点:
s3://dataforgood-fb-data/forests/v1/models/
要准备数据,在克隆的仓库中运行以下命令:
aws s3 --no-sign-request cp --recursive s3://dataforgood-fb-data/forests/v1/models/ .
unzip data.zip
rm data.zip
尽管我们的方法设计用于处理卫星图像,但它也可以从航空图像估算冠层高度。
我们在 data.zip 中分享了我们为论文创建的 Neon 测试集的航空图像。
为了在不需要 Maxar 图像的情况下自动进行颜色平衡,我们从航空图像(Neon 训练集)训练了一个网络,以预测相应 Maxar 图像的第 95 和第 5 百分位数:saved_checkpoints/aerial_normalization_quantiles_predictor.ckpt
在 saved_checkpoints 目录中有:
SSLhuge_satellite.pth (2.9G):在卫星图像上训练的编码器,在卫星图像上训练的解码器。在 GPU 上进行推理时使用此模型。使用 RGB 卫星图像作为输入可获得最佳结果。
compressed_SSLhuge.pth (749M):量化后的 SSLhuge_satellite.pth。论文评估中使用的模型。
compressed_SSLhuge_aerial.pth (749M):在卫星图像上训练的编码器,在航空图像上训练的解码器。
compressed_SSLlarge.pth (400M):使用大型模型进行的消融实验。
python inference.py --checkpoint saved_checkpoints/SSLhuge_satellite.pth
mae 3.15
r2_block 0.51
Bias: -1.60
以下是使用发布的不同模型在航空图像上预期的性能。请注意,此表中的前三个模型仅在卫星数据上训练,并在此处在域外上下文中进行评估。
SSL large | SSL huge | compressed SSL huge | SSL aerial | |
---|---|---|---|---|
MAE | 3.31 | 3.15 | 3.08 | 2.5 |
R2 block | 0.37 | 0.51 | 0.54 | 0.7 |
Bias | -1.4 | -1.6 | -1.6 | -2.1 |
我们在此代码发布中不包含 GEDI 校正步骤。
"models" 文件夹包含从 Dinov2 团队借用的代码,我们感谢所有贡献者。
使用压缩模型进行的推理尚未在 GPU 上测试(仅限 CPU)。
所有 SSL 模型的主干权重相同。主干已在经过过滤以主要包含植被的图像上训练。
HighResCanopyHeight 代码和模型权重根据 Apache License 2.0 发布。有关其他详细信息,请参阅 LICENSE。
如果您发现此仓库有用,请考虑给予星标 :star: 和引用 :t-rex::
@article{tolan2024very,
title={Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on aerial lidar},
author={Tolan, Jamie and Yang, Hung-I and Nosarzewski, Benjamin and Couairon, Guillaume and Vo, Huy V and Brandt, John and Spore, Justine and Majumdar, Sayantan and Haziza, Daniel and Vamaraju, Janaki and others},
journal={Remote Sensing of Environment},
volume={300},
pages={113888},
year={2024}
}
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且 多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产 品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号