8月9日,以“共绘遥感创新应用新蓝图”为主题的智能遥感开源生态联盟第二次会议在武汉光谷成功举办。活动现场,36家遥感联盟的成员单位获得授牌,《武汉.LuoJiaNET/LuoJiaSET产业应用白皮书》在本次活动中正式发布,多家企业、高校代表就遥感领域的行业应用实践与前沿研究课题展开分享与讨论,共话遥感产业新未来。
联盟成员合影
本次会议由武汉大学、武汉人工智能计算中心、华为技术有限公司共同主办,昇思MindSpore开源社区协办,旨在汇聚创新与应用力量,孵化智能遥感行业应用成果,开创遥感产业新空间。
会议现场共为36家新入遥感联盟的成员单位进行了授牌。携手产业界伙伴共探遥感创新发展新路径,共建遥感前沿技术新高地,加快科研创新到产业落地进程。
授牌仪式
在本次会议上还重磅发布了《武汉.LuoJiaNET/LuoJiaSET产业应用白皮书》。此前,武汉大学与华为昇腾AI团队一起,共同打造了全球首个遥感影像智能解译专用框架武汉.LuoJiaNet和业界最大遥感样本库武汉.LuoJiaSET,本次白皮书的发布是武汉大学与华为在遥感领域科研创新合作的又一重大进展。
共绘创新应用新蓝图
中国科学院院士龚健雅在致辞中表示,在国家自然科学基金委重大研究计划集成项目的支持下,武汉大学与华为合作,在武汉人工智能计算中心算力的支撑下共同打造了嵌入昇思MindSpore技术特性的全球首个遥感影像智能解译专用框架武汉.LuoJiaNET和业界最大遥感影像样本数据集武汉.LuoJiaSET(现已在昇腾和昇思社区上线)。为进一步推进科研成果的产业落地,武汉大学与华为和中国卫星应用协会牵头联合发起成立了智能遥感开源生态联盟。
中国科学院院士龚健雅致辞
欧洲科学院、俄罗斯自然科学院外籍院士焦李成在致辞中对联盟运作提出建议:一是团结,一起在智能遥感领域做点事情;二是协同,联盟各个成员企业都会有自己的禀赋或者说不同特色,协同合作攻克一切难关;三是做事,在遥感核心技术上做出成果,做出领先技术。
中国遥感应用协会副秘书长周自宽表示,智能遥感开源生态联盟的发展主要离不开两点:第一是人工智能,武汉.LuoJiaNET是我们联盟的特色;第二是数据,现在已经有越来越多的数据免费并开源了,这也为遥感生态和联盟的发展带来了新机遇。
华为昇腾计算业务总裁张迪煊表示,经过半年多的发展,上海数慧、汉达瑞、武汉珈和科技等联盟成员企业都开始有了相应的遥感创新与落地方案,印证了成立联盟的前瞻性与正确性。未来,华为将持续基于昇腾AI为联盟伙伴提供更加有力的支持,让联盟的最新成果赋能产业,更好的为国家、为社会提供高端、优质、便捷的服务。
展望遥感新未来
会上,联盟顾问、中国科学院空天信息创新研究院副院长张兵对遥感卫星应用技术发展的趋势做了清晰的展望:一是多模态遥感是很重要的发展方向,二是模型数据深入耦合的事件预测。产业上,未来智能遥感卫星系统和增强现实的关系是未来新兴增长点。
联盟副理事长、西安电子科技大学人工智能学院执行院长侯彪介绍了遥感影像智能解译技术及其应用案,基于昇腾AI基础软硬件平台打造的秦岭.西电遥感脑,已经面向农业、林业、城市建设、灾害检测与评估等实际需求提供解决方案。
活动现场,联盟成员企业「上海数慧、汉达瑞、航天宏图、武汉珈和科技」分别分享了基于联盟创新成果的最新行业方案。
会议最后,联盟秘书长胡翔云发布了联盟愿景并带领联盟全员宣读。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。