蚂蚁集团研发多模态遥感基础模型SkySense，可用于地貌地物观测解译

• 蚂蚁集团

2月28日，记者获悉，蚂蚁集团推出20亿参数多模态遥感基础模型SkySense，这是蚂蚁百灵大模型在多模态领域最新的研发成果，其论文已被世界计算机视觉顶会CVPR 2024接收。数据显示，SkySense在17项测试场景中指标均超过国际同类产品，这也是迄今为止国际上参数规模最大、覆盖任务最全、识别精度最高的多模态遥感基础模型。SkySense可用于地貌、农作物观测和解译等，有效辅助农业生产和经营。

（图片说明：SkySense在17项评测中均超过国际上最新的遥感模型）

随着人工智能的发展，大模型技术与卫星遥感技术相结合产生了新突破。SkySense是蚂蚁集团基于蚂蚁百灵大模型平台能力开发的多模态遥感模型。

SkySense在总计17项国际权威公开数据集进行了测评，其测试任务类型包括了土地利用监测、高分辨率目标识别、地物变化检测等7种常见遥感感知任务，并与国际上已发布的包括IBM和NASA联合研发的Prithvi等共18个全球主流同类模型做了测试结果比较。数据显示，17项测评中SkySense均名列第一。譬如，在国际高清遥感地物检测榜单FAIR1M 2.0中，SkySense平均精度（mAP）领先第二名超3%。

在刚刚公布的CVPR2024论文入选结果上，SkySense的研究成果亦被收录。CVPR是由IEEE举办的计算机视觉和模式识别领域的顶级会议，是国际计算机视觉三大顶会之一。

传统的遥感影像理解技术，往往侧重于针对单一模态单一任务建模，缺乏对多模态数据、时间序列、地理先验知识的综合建模和利用，限制了其在海量数据和多种任务中的泛化能力。SkySense突破以上技术瓶颈，实现了文本、红外光、可见光、SAR雷达多种模态、多分辨率的时序遥感影像建模，在多样化的任务中展现出优异性能。在蚂蚁百灵大模型多模态能力支持下，研发人员基于内部构建的19亿遥感影像数据集进行预训练，得到了20.6亿参数量的模型SkySense，这也是迄今为止国际上参数规模最大、覆盖任务最全、识别精度最高的多模态遥感大模型。SkySense可广泛应用于城市规划、森林保护、应急救灾、绿色金融、农业监测等重要领域，目前通过蚂蚁内部MEarth平台提供数据与识别服务。 

据了解，蚂蚁集团正在计划开放Skysense模型参数，与行业共建，促进智能遥感技术与应用发展。

SkySense由蚂蚁AI创新研发部门NextEvo与武汉大学联合研发。NextEvo是蚂蚁AI核心技术研发团队，主导了蚂蚁百灵大模型的研发工作，其研发方向涉及CV、NLP、多模态、AIGC、数字人、AI工程化等核心技术。去年，该部门升级了多模态团队，由杨铭带队全面布局多模态技术。杨铭美国西北大学博士，Facebook AI Research (FAIR)创始成员，去年加入蚂蚁集团，先后就职于NEC美国实验室、FAIR、地平线机器人公司，是世界知名计算机视觉研究专家。

目前，蚂蚁集团多模态研究成果已应用于支付宝五福节AI大规模互动、蚂蚁医疗数字人等场景。