日前從中國科學院空天信息創(chuàng)新研究院（以下簡稱“空天院”）獲悉，空天院付琨研究員團隊聯(lián)合鵬城實驗室正式發(fā)布自主研制的百億級遙感解譯基礎模型——“空天·靈眸”3.0版，這是迄今為止全球首個百億參數(shù)級空天一體遙感解譯基礎模型。
“空天·靈眸”是我國首個面向多模態(tài)遙感數(shù)據(jù)生成式基礎模型，也是首個專為遙感領域打造的行業(yè)基礎模型。自2022年首次推出后，空天院研究團隊在“基礎模型+下游任務”計算范式積累上持續(xù)探索。今年3月起，研究團隊與鵬城實驗室深度合作，基于中國算力網(wǎng)“鵬城云腦Ⅱ”樞紐節(jié)點，采用512張昇騰910顯卡，歷時數(shù)月攻關完成了在4億張國產(chǎn)化多模態(tài)空天遙感數(shù)據(jù)樣本上的預訓練，基礎模型參數(shù)規(guī)模首次超過百億。
中國科學院空天信息創(chuàng)新研究院研究員孫顯說：“我們如果把基礎模型看作一個機器人，那么，‘參數(shù)’就相當于它的‘記憶細胞’和‘知識細胞’。如果參數(shù)規(guī)模小，則它能記住和處理的信息就相對有限，只能做一些比較簡單的任務。參數(shù)規(guī)模越大，這兩種細胞就越多，它就能捕捉、記憶和處理更復雜的信息，從而更加準確、精細地完成更困難、更復雜的任務?！?/p>
“空天·靈眸”3.0版內核工作架構是聯(lián)合團隊基于熱傳導，自主研發(fā)的一套小而精的原創(chuàng)性架構——受傳熱學物理思想啟發(fā)，聯(lián)合團隊將場景目標間視覺語義傳播建模為熱能擴散過程，從而使該架構有效突破了遙感模型推理的性能和速度瓶頸，計算速度較傳統(tǒng)結構模型提升2.4倍以上。
孫顯介紹，這一架構實現(xiàn)了模型數(shù)據(jù)學習、推理等速度的大幅提升。例如，原來訓練1000萬張數(shù)據(jù)樣本，需要大約300多塊顯卡，現(xiàn)在只需要1/3的數(shù)量，處理速度還提升了約2.4倍。
“空天·靈眸”3.0版目前已表現(xiàn)出極為優(yōu)秀的泛化解譯性能，在可見光、合成孔徑雷達、熱紅外、多光譜等多傳感器衛(wèi)星數(shù)據(jù)基礎上，拓展至航空遙感飛機、無人機等不同航空平臺觀測數(shù)據(jù)的自動化、高精度解譯處理。孫顯說：“尤其是航空大傾角成像過程中，極易出現(xiàn)畸變、遮擋、缺失等干擾，模型對此依然可以保持高精度的識別能力。”
目前，“空天·靈眸”3.0版在覆蓋場景分類、目標檢測、語義分割、變化檢測等6大類任務的23個國際基準數(shù)據(jù)集上測試，相較于當前的主流模型，精度平均提升4%至10%，指標均達到領先水平，并已在應急、國土、海洋、住建等多個行業(yè)部署試運行，特別是在最具挑戰(zhàn)性的復雜要素精細分類、運動小目標連續(xù)跟蹤等任務上性能卓越，為天臨空地一體化應用提供了一套行之有效的解決方案。未來，研究團隊將持續(xù)推動“空天·靈眸”3.0版在國民經(jīng)濟各個行業(yè)的落地應用。
