محققان در پژوهشی جدید، دو مدل بزرگ زمینشناختی (GFM) یعنی «THOR» و «TerraMind» را که توسط آژانس فضایی اروپا توسعه یافتهاند، زیر ذرهبین بردهاند.
نکته جالب اینجاست که در این بررسی، صرفاً به امتیازات کلی اکتفا نشده؛ بلکه مشخص شده که انتخابهای معماری مثل «اندازه پچ» (Patch Size) و نوع «دیکودر»، تاثیر بسیار بیشتری از خودِ مدل روی عملکرد نهایی دارند.
این مدلها در کاربردهای حساسی مثل پیشبینی بلایای طبیعی، شناسایی نشت متان و رصد تغییرات اقلیمی استفاده میشوند و هر کدام استراتژی متفاوتی را دنبال میکنند: TerraMind بر مقیاس در زمان پیشآموزش تمرکز دارد و THOR بر انعطافپذیری در زمان استنتاج. این نوع مطالعات برای درک بهتر آینده مدلهای بینایی ماشین بسیار حیاتی هستند. 🌍🛰️
منبع: arXiv AI