HyperAI超神经

1. 튜토리얼 소개

Prithvi-EO-2.0은 IBM과 NASA 팀이 개발한 2세대 EO 기본 모델입니다. Temporal ViT는 Masked AutoEncoder 학습 전략을 사용하고 420만 개의 조정된 Landsat Sentinel 2(HLS) 샘플(각 샘플에는 4개의 타임스탬프가 포함됨)을 통해 학습됩니다. 이 모델은 여러 청크와 타임스탬프에 걸친 공간적, 시간적 주의 메커니즘을 포함합니다. 또한, 시간 및 위치 정보가 임베딩을 통해 모델 입력에 추가됩니다. 이 모델에 대한 자세한 내용은 다음을 방문하세요.여기.

이 튜토리얼에서는 Prithvi-EO-2.0-300M 모델을 데모로 사용하고, 컴퓨팅 리소스에는 RTX 4090을 사용합니다.

이 데모에서는 1~4개 타임스탬프를 이용한 이미지 재구성 과정을 보여줍니다. 이 모델은 이미지의 일부를 무작위로 마스크하고, 마스크가 해제된 부분을 기반으로 이미지를 재구성합니다. 재구성된 이미지는 마스크되지 않은 눈에 보이는 이미지 패치와 병합됩니다. 더 빠른 처리를 위해 크기가 약 224~1000픽셀인 이미지를 제출하는 것이 좋습니다. 224×224보다 큰 이미지는 슬라이딩 윈도우 방식을 사용하여 처리되므로 이미지 패치 사이에 아티팩트가 발생할 수 있습니다.

사용자는 다음 반사 단위의 채널을 포함하는 HLS 지오티프 이미지를 제공해야 합니다: 파란색, 녹색, 빨간색, 협대역 근적외선(NIR), 단파 적외선(SWIR), 단파 적외선 2(SWIR 2). tif 파일에서 위치 정보를 추출할 수 있으며, "T" 또는 "T"(HLS 형식) 형식을 사용하여 파일 이름으로 시간 정보를 제공할 수 있습니다.

2. 작업 단계

1. 컨테이너 시작 후 API 주소를 클릭하여 웹 인터페이스로 진입합니다.

"BadGateway"가 표시되면 모델이 초기화 중임을 의미합니다. 모델이 크기 때문에 1~2분 정도 기다리신 후 페이지를 새로고침해 주세요.

2. 웹사이트에 접속하시면 바로 이용이 가능합니다.

사용 방법

데모

교류 및 토론

🖌️ 고품질 프로젝트를 발견하시면, 백그라운드에 메시지를 남겨 추천해주세요! 또한, 튜토리얼 교환 그룹도 만들었습니다. 친구들의 QR코드 스캔과 [SD 튜토리얼] 댓글을 통해 그룹에 가입하여 다양한 기술 이슈에 대해 논의하고 신청 결과를 공유해 주시기 바랍니다.↓