[論文レビュー] Any Model, Any Place, Any Time: Get Remote Sensing Foundation Model Embeddings On Demand

Dingqi Ye, Daniel Kiv+3 more|arXiv (Cornell University)|Feb 27, 2026

Remote-Sensing Image Classification被引用数 0

ひとこと要約

rs-embed は、需要に応じて統一された ROI 中心のインターフェースを介して多様なリモートセンシング基盤モデルから埋め込みを取得し、オンザフライまたは事前計算埋め込みをバッチ処理と共に提供します。

ABSTRACT

The remote sensing community is witnessing a rapid growth of foundation models, which provide powerful embeddings for a wide range of downstream tasks. However, practical adoption and fair comparison remain challenging due to substantial heterogeneity in model release formats, platforms and interfaces, and input data specifications. These inconsistencies significantly increase the cost of obtaining, using, and benchmarking embeddings across models. To address this issue, we propose rs-embed, a Python library that offers a unified, region of interst (ROI) centric interface: with a single line of code, users can retrieve embeddings from any supported model for any location and any time range. The library also provides efficient batch processing to enable large-scale embedding generation and evaluation. The code is available at: https://github.com/cybergis/rs-embed

研究の動機と目的

• 異種 RS 基盤モデル間でアクセス可能で比較可能な埋め込みの必要性を動機付ける。
• rs-embed をオンデマンド埋め込みのための統一 ROI 中心インターフェースとして導入する。
• 標準化されたメタデータで一貫したベンチマークとモデル間評価を可能にする。
• 大規模な埋め込み生成と評価をサポートする高スループット、並列パイプラインを提供する。
• トウモロコシの収量マッピングのケーススタディを通じて rs-embed の有用性を示す。

提案手法

• 境界ボックスまたは点バッファを使用し CRS 検証を行う空間スペックを定義する。
• 年または時間範囲と左閉右開の区間を含む時間スペックを定義する。
• プール化されたベクトルまたはグリッド状埋め込みをサポートする出力スペックを定義する。
• クラウドAPI（例：GEE）を標準化テンソルにラップするプロバイダ層を抽象化する。
• 多様な RS 基盤モデルのための統一ベースクラスを備えた埋め込み処理層を実装する。
• キャッシュと並列 I/O を伴う高性能な4段階パイプライン（オーケストレーション、プリフェッチ、推論、エクスポート）を構築する。

Figure 1. Comparison of a complex current workflow vs. rs-embed, which generates standardized embeddings (plus metadata) from location, time, and model ID in a single line of code.

実験結果

リサーチクエスチョン

• RQ1 rs-embed は任意の場所と時間に対して複数のリモートセンシング基盤モデルから一様に埋め込みを取得・抽出できるか？
• RQ2 ROI 中心設計がモデル間の埋め込みのバッチ処理、スループット、再現性にどのように影響するか？
• RQ3 異なるセンサー仕様とプール戦略が下流タスクとベンチマークに与える影響は何か？
• RQ4 実運用で rs-embed はオンザフライ推論と事前計算埋め込みの両方をどの程度サポートできるか？
• RQ5 統一埋め込みプラットフォームのクロスモデル評価における実用的な利点と制限は何か？

主な発見

• rs-embed は任意の場所と時間範囲に対して複数の RS モデルからの埋め込みを1行で取得可能にする。
• アーキテクチャは標準化された出力とメタデータを伴うオンザフライおよび事前計算埋め込みモードをサポートする。
• バッチ処理、キャッシュ、非同期 I/O を備えた高スループットパイプラインは埋め込みのスループットとスケーラビリティを向上させる。
• トウモロコシの収量マッピングケースでは、異なるモデルからの埋め込みをランダムフォレストで比較し、Agrifm が最も高い R^2 を達成した。
• 可視化は埋め込みが主要な土地被覆構造を捉え、同一の時空設定下でモデル間の比較を可能にする。
• フレームワークは再現性管理、故障の分離、 大規模埋め込みジョブの構造化マニフェストを提供する。

Figure 2. rs-embed architecture overview.