GEOID-Flood：用於洪水分割的大規模多模態基準資料集
為何重要
這項基準集填補了地理空間災害監測領域缺乏大規模、高品質 SAR 與光學影像對照資料的缺口，為基礎模型在 Computer Vision 專業下游任務的評估提供了標準化工具。發現暗示了在災害應用中，精細的光學與 SAR 融合技術結合微調，比純模型規模或訓練協議更能帶來實質效能提升。
地理空間基礎模型需要大型多模態資料集來評估跨區域效能，特別是對於其從災害地圖資料提取價值的能力。現有資料集往往難以將大規模的雙時序 SAR 與共配準光學影像整合，導致基礎模型在此下游任務上的表現未被充分測試。研究團隊因此推出 GEOID-Flood，一個專注於洪水分割的基準資料集。
- 資料規模：源自歐盟 Copernicus 緊急管理服務，涵蓋 219 個洪水事件、65 個國家，時間跨度長達 10 年。
- 影像與標註：提供超過 14,000 個瓦片，包含 co-registered 的前後事件 Sentinel-1 影像（GRD 和 RTC 格式）以及 Sentinel-2 連續影像、數字高程模型 (DEM)。
- 技術發現：光學-SAR 融合搭配微調在解決短暫洪水問題上效果最佳；且在此資料集訓練的模型在應對未見災害事件時，遠優於在舊資料集訓練的模型。