DOFA

一个模型看懂多种卫星数据,跨模态遥感分析不再难

DOFA 是一个受神经可塑性启发的多模态地球观测基础模型,旨在解决遥感领域不同模态(如光学、雷达、高光谱等)数据分布差异大、难以统一建模的问题。它通过动态融合和自适应调整机制,让模型能够跨模态学习,提升对多种卫星数据的理解能力。项目提供模型代码和训练流程,支持研究者复现和扩展。核心能力包括跨模态特征提取、多传感器数据融合以及面向下游任务的微调支持。目前处于早期阶段,代码以 Jupyter Notebook 为主,适合对多模态遥感AI感兴趣的研究者探索。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 214
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zhu-xlab
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,可自由使用和部署,无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型earth-observation,earth-science,foundation-models,geospatial,multimodal-deep-learning,remote-sensing
GitHub 星标★ 214
30天Star增速
HF 下载量
上线时间2024-03-22 00:00:00
最近更新2026-09-17 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

  • 创新性地将神经可塑性思想引入遥感基础模型,学术价值高
  • 支持多种遥感模态(光学、雷达等),通用性强
  • 代码开源,便于研究者复现和二次开发

不足之处

  • 项目处于早期,文档和示例尚不完善
  • 依赖特定遥感数据集,通用性待验证

适用场景

  • 多模态遥感图像分类与分割
  • 跨传感器地表覆盖监测
  • 遥感领域基础模型预训练研究

替代项目

SatMAE、Scale-MAE、RingMo

项目介绍

DOFA 是开源模型领域的开源项目,由 zhu-xlab 开发,2024 年首次发布。

它收录于开源模型分类,该分类目前共有 422 个项目,GitHub 星标数为 214。

项目仍在小幅维护中,最近一次代码更新于 2026-09-17。MIT许可证,可自由使用和部署,无付费版本。

它主要面向的使用场景是:多模态遥感图像分类与分割。同类可对比的替代方案包括 SatMAE、Scale-MAE、RingMo。

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10