University of Cambridge（剑桥大学）

From Machine Learning to Large-Scale EO Products: Best Practices for Making Maps

从机器学习到大规模地球观测产品：制作地图的最佳实践

Ghjulia Sialelli, Robin Young, Yuchang Jiang, Cesar Aybar, Linus Scheibenreif, Damien Robert, Clemens Mosig, Adam J. Stewart, Jan D. Wegner, Aleksis Pirinen, Olof Mogren, Konrad Schindler

机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； University of Cambridge（剑桥大学） ； Swiss Federal Research Institute WSL（瑞士联邦森林、雪和景观研究所） ； Asterisk Labs（星号实验室） ； EcoVision Lab, University of Zurich（苏黎世大学生态视觉实验室） ； Leipzig University（莱比锡大学） ； TU Munich（慕尼黑工业大学） ； RISE Research Institutes of Sweden（瑞典皇家理工学院） 纠错

AI总结 本文探讨从机器学习到大规模EO产品制作地图的最佳实践，围绕EO数据基础设施、数据处理、模型训练、不确定性量化、地图制作与分发及验证等六个主题，给出从卫星数据到运营地图产品整个流程的推荐做法。

Comments ECCV 2026 TerraBytes II Workshop paper, non-archival

Towards Generalized Synapse Detection Across Invertebrate Species

面向无脊椎动物物种的广义突触检测

Samia Mohinta, Daniel Franco-Barranco, Shi Yan Lee, Albert Cardona

机构 * MRC Laboratory of Molecular Biology, University of Cambridge, UK（英国剑桥大学分子生物学实验室（MRC）） ； Department of Physiology, Development and Neuroscience, University of Cambridge, UK（英国剑桥大学生理学、发育与神经科学系） ； Donostia International Physics Center (DIPC), San Sebastian, Spain（西班牙桑塞班的Donostia国际物理中心（DIPC）） 纠错

AI总结 该研究针对无脊椎动物突触检测难题，构建含四个数据集的EM基准，提出轻量模型SimpSyn，其在突触位点检测F1分数上优于最先进模型Synful，为大规模连接组学流程提供实用方案。