MOMO：面向火星遥感的多传感器基础模型

本文提出火星遥感多传感器基础模型MOMO，通过模型合并融合HiRISE、CTX和THEMIS三个传感器学到的表征，覆盖0.25米至100米每像素的分辨率。方法以等验证损失EVL策略，在任务算术融合前选择验证损失相近的检查点，确保处于兼容收敛阶段，改善稳定性和泛化。模型使用约1,200万条火星轨道样本训练，并在Mars-Bench的九项下游任务上评估。相对ImageNet预训练、地球观测基础模型、单传感器预训练及全监督基线，整体表现更好，分割任务改善尤其稳定。结果表明，检查点选择与模型合并可用于构建多分辨率基础模型。权重、预训练代码、数据和评测代码：https://github.com/kerner-lab/MOMO。