生成二元物种范围图
原文中文,约300字,阅读约需1分钟。发表于: 。本研究旨在解决传统物种范围图生成方法的局限性,特别是在选择每种物种的阈值以二值化预测方面。我们提出了一种新的自动化阈值识别方法,并扩展了现有的仅基于存在数据的技术,能够更好地处理异常值。研究结果表明,我们的方法在二元范围估计和大规模细粒度视觉分类任务中表现优于现有方法,具有显著的应用潜力。
该研究利用全球范围的数据解决物种分布建模问题,通过使用大规模语言模型对物种的分类学阶层进行编码,能够捕捉物种之间的关系,并对任意分类水平和未知物种进行范围映射。同时,提出了一种新的评估度量标准,能够评估物种分布模型。通过系统评估,结果显示该模型在多个任务上优于基准模型。