提出首个面向高光谱遥感数据的通用嵌入模型，实现跨尺度地理信息高效表征。

Geospatial Foundational Embedder: Top-1 Winning Solution on EarthVision Embed2Scale Challenge (CVPR 2025)

• 构建多尺度融合架构，整合不同分辨率的高光谱图像特征
• 在地球视觉挑战赛中达到第一名，显著优于基线模型
• 适用于分类、回归等下游任务，为遥感分析提供统一表征

EarthVision Embed2Scale 挑战赛（CVPR 2025）旨在开发基础性地理空间模型，将 SSL4EO-S12 高光谱地理空间数据立方体嵌入为嵌入向量，以支持分类、回归等多种下游任务。本文介绍我们在该挑战赛中获得第一名的解决方案，提出一种基于多尺度特征融合的嵌入框架，通过自适应聚合不同分辨率下的高光谱通道信息，在保持空间细节的同时增强语义表达能力。该方法在多个评估指标上超越基准模型，验证了其在跨尺度地理信息建模中的有效性。

原文摘要 · Abstract (English)

EarthVision Embed2Scale challenge (CVPR 2025) aims to develop foundational geospatial models to embed SSL4EO-S12 hyperspectral geospatial data cubes into embedding vectors that faciliatetes various downstream tasks, e.g., classification, regression, etc. In this technical report, we introduce our proposed method for the Top-1 winning solution on the Embed2Scale Challenge.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。