GlacioLens-GLB-v1
сегментация приледниковых озёр по спутниковым и DEM-данным
1 min readupdated
GlacioLens — модель для картирования приледниковых озёр по оптическим/SAR-снимкам и физическому рельефу. Построена на TerraMind-1.0-large с UPerNet и обучаемым пространственным residual; в графе 319 492 514 trainable parameters. Это выбранный inference-чекпоинт P56 EMA12 / step 11 484, обученный 24 эпохи.
Ключевые особенности
- Вход — 11-канальные растры 256×256: шесть оптических и два сохранённых SAR-канала, плюс DEM Copernicus GLO-30 DSM (EGM2008).
- DEM подаётся и в encoder, и в spatial branch; SAR-слоты не подтверждены как VV/VH.
- Собственный CLI/API
glacial-lake; интерфейса TransformersAutoModelи стандартного RGB-виджета нет. - Требуется полное валидное покрытие каждого пикселя; неполное покрытие отклоняется.
- Веса лицензированы Apache-2.0; данные GLB/GLBC и DEM-сайдкары не входят в релиз.
Пример
hf download MaxiWb/glaciolens-glb-v1 glaciolens-glb-v1.ckpt --revision bc65beeff3604d51e2242cb51536d5b51ff702f3 --local-dir user_assets
glacial-lake predict --checkpoint user_assets/glaciolens-glb-v1.ckpt --manifest input_manifest.json --output-dir p56_outputs
Подробнее
TEST: two-class mIoU 87.8373%, lake IoU 76.7644%; GLBC stress cohort: 83.7493% и 69.0553%.Запуск проверен на NVIDIA L4 с FP32-параметрами и CUDA BF16 forwards; порог
logit >= 0.Ограничения: один seed, историческая экспозиция TEST, общие acquisitions/aliases и зависимая GLBC-когорта — независимые географические выводы ограничены.
Внешнее сравнение +3.8673 п.п. к 83.97% task-adapted TerraMind непарное и не воспроизводит matched selected checkpoint.










Comments