[논문리뷰] EarthRecord: From Pixels to Land Change with Multimodal Agents over Four Decades of Satellite Imagery이 논문의 핵심 문제의식은 multimodal agent가 수십 년 분량의 raw 위성 archive를 신뢰할 수 있는 land-change analysis로 바꿀 수 있는지가 아직 측정된 적이 없다는 점입니다.#Review#Multimodal Agents#Earth Observation#Land Change Analysis#Satellite Time Series#Cross-Sensor Harmonization#Benchmark#Counterfactual Controls2026년 11월 10일댓글 수 로딩 중
[논문리뷰] Benchmarking Composed Image Retrieval for Applied Earth Observation본 논문은 Earth Observation(EO) 아카이브 탐색 시 사용자의 구체적인 의도를 반영하기 어려운 기존의 단일 모달(이미지 혹은 텍스트) 검색 방식의 한계를 해결하고자 한다.#Review#Remote Sensing Image Retrieval#Composed Image Retrieval#Multimodal Retrieval#Vision-Language Models#Earth Observation#Benchmarking2026년 5월 31일댓글 수 로딩 중
[논문리뷰] OlmoEarth: Stable Latent Image Modeling for Multimodal Earth Observation본 논문은 공간적, 시간적, 다중 모달 특성을 지닌 지구 관측 데이터의 복잡성으로 인해 발생하는 기존 파운데이션 모델의 훈련 불안정성, 높은 비용, 그리고 비영리 부문의 낮은 실제 적용률 문제를 해결하는 것을 목표로 합니다.#Review#Earth Observation#Foundation Model#Multimodal Learning#Self-supervised Learning#Latent Image Modeling#Vision Transformer#Spatio-temporal2025년 11월 17일댓글 수 로딩 중
[논문리뷰] MAESTRO: Masked AutoEncoders for Multimodal, Multitemporal, and Multispectral Earth Observation Data본 논문은 지구 관측(EO) 데이터 의 고유한 다중 모달, 다중 시간, 다중 스펙트럼 특성을 효율적으로 처리하기 위해 Masked Autoencoder (MAE) 프레임워크를 최적화하는 것을 목표로 합니다. 이를 통해 EO 데이터 의 복잡한 이질성을 효과적으로 통합하고 유용하며 다목적의 표현을 학습하고자 합니다.#Review#Self-supervised Learning#Masked Autoencoder#Earth Observation#Multimodal#Multitemporal#Multispectral#Fusion Strategies#Target Normalization2025년 8월 18일댓글 수 로딩 중