FlowEO revolutioniert Domain‑Adaptation in der Erdbeobachtung

Mit der rasanten Zunahme von Erdbeobachtungsdaten eröffnen sich enorme Chancen für groß angelegte Umweltüberwachung und -analyse. Gleichzeitig sind diese Datensätze aufgrund unterschiedlicher Sensoren, geografischer Regionen, Aufnahmedaten und atmosphärischer Bedingungen stark heterogen. Solche Verteilungsverschiebungen zwischen Trainings- und Einsatzdomänen begrenzen die Generalisierung vortrainierter Fernerkundungsmodelle und machen eine unsupervised Domain Adaptation (UDA) unverzichtbar.

FlowEO ist ein neuartiges Framework, das generative Modelle nutzt, um Bild‑zu‑Bild‑UDA in der Erdbeobachtung durchzuführen. Durch Flow‑Matching lernt es eine semantisch erhältliche Abbildung, die Bilder aus der Quell‑ in die Zielverteilung transportiert. Damit kann es anspruchsvolle Adaptationsaufgaben für Klassifikation und semantische Segmentierung bewältigen.

In umfangreichen Experimenten auf vier Datensätzen – darunter SAR‑zu‑optische Übersetzungen sowie zeitliche und semantische Verschiebungen durch Naturkatastrophen – zeigte FlowEO deutlich bessere Ergebnisse als bestehende Bild‑Übersetzungsansätze. Gleichzeitig erreicht es eine vergleichbare oder sogar höhere Bildqualität, was das Potenzial von Flow‑Matching‑basierten UDA-Methoden für die Fernerkundung unterstreicht.