شهد مجال الاستشعار عن بُعد مرحلة جديدة من التطور، حيث ظهرت نماذج جديدة تُعرف باسم نماذج الاستشعار عن بُعد الأساسيات (Remote Sensing Foundation Models - RSFMs). هذه النماذج تقدم بديلاً قويًا للنماذج التقليدية المعتمدة على الإشراف، مما يمكّن الأقمار الاصطناعية من الكشف عن الأحداث الغير طبيعية بشكل مستقل وتعديل معايير المهمة تلقائيًا.

تتيح هذه العملية استخدام الطاقة والموارد الحسابية المحدودة بشكل أمثل، مما يزيد من كفاءة المهام. تتميز هذه النماذج بكونها محولات موحدة تعمل على تحسين التخزين على متن المركبات الفضائية للعديد من التطبيقات المدارية، مع ضمان استخراج ميزات عالية الدقة.

تفرّد نماذج RSFMs في رصد التغيرات غير المراقبة، مما يعد تحولًا رائدًا في مراقبة الكوارث من خلال القضاء على الحاجة إلى تسميات باهظة الثمن.

وفي هذه المقالة، نقدم أسلوبًا مبتكرًا لاكتشاف التغيرات دون إشراف يعتمد على هيكل ResNet (RSFM) مع FPN، والذي يمكنه تحديد مجموعة واسعة من الشذوذات من خلال رصد التحولات الدلالية الدقيقة في الفضاء الكامن بين مرورين مداريين متعاقبين. يعتمد النظام على بنية FPN غير المدربة وما تحتويه من نقاط انطلاق داخلية، مما يتيح له إنتاج صور بمستوى عالٍ من الدقة بشكل فعال ودون الحاجة إلى تدريب مسبق.

عند استبدال النماذج المصممة خصيصًا بنماذج RSFMs، يمكننا تحقيق نتائج بالمثل في منهج يقضي على الحاجة إلى تدريب مخصص وجهود تطوير كبيرة مع الحفاظ على الأداء العالي عبر بيئات ومجسات متنوعة.