Quantification d'Incertitudes Multimodales pour l'observation de la Terre – MERCATO

Dans un contexte mondial bouleversé par le changement climatique ou les instabilités géopolitiques, l'Observation de la Terre (Earth Observation, EO) est devenue de plus en plus vitale. Au cours de la dernière décennie, les techniques d'apprentissage profond (Deep Learning, DL) ont fait des progrès considérables dans le domaine de l'EO. Cependant, malgré ces développements remarquables, l'incertitude introduite par la diversité des capteurs, des modalités d’acquisition, des agences d'exploitation et la variabilité spatio-temporel des scènes observées a été largement sous-étudiée. Le projet MERCATO vise à ouvrir la voie à des prévisions denses fiables dans le domaine de l'observation de la Terre. Pour ce faire, MERCATO se concentrera sur trois objectifs principaux :
1. Développer des méthodes de détection dense d'exemples hors de la distribution d'apprentissage (OOD) pour de grands modèles multimodaux pré-entraînés. Cela permettra d'améliorer la robustesse et la précision des prévisions dans des scénarios difficiles de surveillance de la Terre.
2. Améliorer la fusion multimodale en estimant l'incertitude inter et intra-modalité. En quantifiant précisément l'incertitude et en comprenant son impact, la fusion des données multi-modales pourra être optimisée.
3. Proposer de nouveaux jeux de données pour la segmentation de catastrophes. Ces jeux de données seront adaptés à l'évaluation des méthodes de segmentation tenant compte de l'incertitude et devraient fournir des références solides à la communauté de quantification de l'incertitude.
Grâce à ce projet, nous souhaitons définir des bonnes pratiques dans des applications clés en observation de la Terrer et garantir un suivi et des prise de décision plus fiables dans ce domaine.