arXiv · cs.CV· Lucia Gordon, Serge Belongie, Christian Igel, Nico Lang·· 4 小时前精选AI 评分72
MMEarth-Bench：面向全球地球观测的多模态测试时训练基准
MMEarth-Bench: Global Model Adaptation via Multimodal Test-Time Training
AI 导读
作者提出 MMEarth-Bench，包含五个环境任务、12 种模态和全球分布数据，并提供随机与地理两种测试划分。基准测试显示多模态预训练在少标注下更稳健，但地理泛化仍较差，数据充足时随机初始化的多模态模型也具竞争力。作者进一步提出模型无关的 TTT-MMR 方法，在测试时用全部可用模态做重建辅助任务，在两个划分上均提升各模型表现，数据集、代码与可视化工具见项目页。
推荐理由
材料给出五个新任务、12 种模态和地理切分，并指出地理泛化仍是短板，读者可据此判断多模态地球观测模型的真实能力边界。
来源：arXiv · cs.CV · arxiv.org