EarthNet2021：一个大规模数据集和挑战，用于作为引导视频预测任务的地球表面预测

arXiv 2021 36.3 benchmark, application

TLDR

EarthNet2021数据集和挑战，用于基于未来天气预测卫星图像，实现高分辨率地球表面预测。

评分理由

Strengths: large-scale real-world dataset with high resolution, enabling downstream applications. Weaknesses: no novel method or results; only dataset and challenge description.

Read-first 评分解释

综合优先阅读分 36.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 18。

近期性 8%

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2021

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码、数据集

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、结果

主题相关性 42%

25.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

候选论文

排序敏感性

稳定性：volatile；排名波动范围：106。

关键词评分

video world model

world dynamics prediction

generative world model

world model

world simulator

interactive world model

model-based reinforcement learning world model

资源

论文