遥感信息工程资讯

武汉大学测绘遥感信息工程国家重点实验室王密教授：大模型赋能智能摄影测量：现状、挑战与前景 |《测绘学报》2024年53卷第10期

大模型从深度学习和迁移学习技术发展而来，依靠大量的训练数据和庞大的参数容量产生规模效应，从而激发了模型的涌现能力，在众多下游任务中展现了强大的泛化性和适应性。以ChatGPT、SAM为代表的大模型标志着通用人工智能时代的到来，为地球空间信息处理的自动化与智能化

2024年12月10-12日，科技部与欧洲空间局的科技合作“龙计划”六期（2024-2028年）第二批项目启动会在线召开。武汉大学测绘遥感信息工程国家重点实验室廖明生、陈晓玲、张路、Timo Balz教授团队参加了会议，并在启动会上汇报了“龙计划“六期项目数据

行人导航意图的自动识别是行人导航研究的一个难点问题，对建立智慧导航服务与新型的人机交互方式至关重要。目前，利用行为模式推估导航意图成为主流的解决方案，但是，这种方案依赖多种传感器且具有时滞性。本文提出了一种基于脑成像技术的行人导航意图探测方法，通过多导联的、高

遥感影像在获取过程中会经常受到条带噪声的污染，降低遥感影像的视觉效果，对影像解译和反演等处理产生不利影响。当前一些主流的基于变分的条带噪声去除方法，虽然可以去除条带噪声，但是往往也会导致影像细节信息的严重丢失。基于上述问题，本文提出了一种基于细节信息约束的遥感

根据《武汉大学博士研究生“申请-考核”制选拔实施办法》和《武汉大学2025年招收攻读博士学位研究生简章》（以下简称“《简章》”），结合本单位实际，特制定本实施细则。