tessera

让卫星影像按时间流动，一键提取地表变化规律

TESSERA 是剑桥大学推出的基础模型，专为处理时间序列卫星影像而设计，可应用于土地分类、植被冠层高度预测等地球观测任务。它解决了传统遥感模型难以高效提取时序动态特征的问题，通过预训练方式学习多时相影像中的时间模式，从而在少量标注数据下也能获得较好的下游任务性能。其核心能力包括对多光谱、多时相卫星数据的统一表征学习，以及针对像素级和场景级任务的微调支持。项目以 Python 实现，提供模型权重和推理代码，旨在降低遥感领域时序分析的门槛，推动基础模型在地球科学中的落地。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 751

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ucam-eo

所属国家

官网地址

GitHubhttps://github.com/ucam-eo/tessera

定价模式free

价格说明开源模型，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型foundation-models,machine-learning,remote-sensing,satellite-imagery

GitHub 星标★ 751

30天Star增速

HF 下载量

上线时间2025-04-29 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

专为时间序列卫星影像设计，能捕捉植被生长、城市扩张等动态变化
基于大规模预训练，下游任务只需少量标注即可微调
支持土地分类和冠层高度预测等多个实际应用场景

不足之处

项目处于早期阶段，文档和社区支持尚不完善
对计算资源要求较高，普通用户难以直接部署

适用场景

农业监测：通过多时相影像预测作物生长和产量
生态保护：追踪森林覆盖变化和碳储量估算
城市规划：分析城市扩张和土地利用动态

替代项目

SatMAE、SpectralGPT、Prithvi

项目介绍

tessera 是计算机视觉领域的开源项目，由 ucam-eo 开发，2025 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 751。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：农业监测：通过多时相影像预测作物生长和产量。同类可对比的替代方案包括 SatMAE、SpectralGPT、Prithvi。

上一篇：Awesome-Robotics-3D

下一篇：Uni3D