MMLSv2：火星地表滑坡检测的多模态数据集

MMLSv2是一个面向火星地表滑坡检测的多模态遥感数据集，包含RGB、高程模型、坡度、热惯性等7个波段，已被CVPR 2026 AI4Space研讨会接收，并作为MARS-LS挑战赛官方数据集。

• 原作者/维护者：MAIN-Lab（Sidike Paheding, Abel Reyes-Angulo, Leo Thomas Ramos等）
• 来源平台：github
• 原始标题：MMLS_v2
• 原始链接：https://github.com/MAIN-Lab/MMLS_v2
• 来源发布时间/更新时间：2026-05-31T09:06:00Z

火星地质研究是人类深空探测的重要课题。火星表面广泛分布着滑坡地貌，这些滑坡记录了火星的气候历史和水文活动线索。准确识别和分割火星滑坡区域，对于理解火星地质演化、评估未来载人任务选址风险都具有重要科学价值。

然而，火星滑坡检测面临独特挑战：

• 数据稀缺：相比地球遥感数据，火星高分辨率影像样本量有限
• 多源异构：需要融合可见光、高程、热特性等多种传感器数据
• 域差异大：不同区域的地质特征差异显著，模型泛化困难

MMLSv2（Multimodal Dataset for Martian Landslide Detection）是一个专门为火星滑坡分割任务设计的多模态遥感数据集。该数据集已被CVPR 2026 AI4Space研讨会接收，并作为首届火星滑坡分割挑战赛（MARS-LS）的官方数据集。

数据集包含7个波段的遥感数据：

波段	内容	说明
B1	Red	红色可见光
B2	Green	绿色可见光
B3	Blue	蓝色可见光
B4	DEM	数字高程模型
B5	Slope	坡度数据
B6	Thermal Inertia	热惯性
B7	Grayscale	灰度通道

多波段融合让模型能够同时利用光谱信息、地形特征和热物理特性，显著提升滑坡识别准确率。

数据集共包含940张图像，按以下方式划分：

划分	图像数	平均前景比例	前景比例范围
训练集	465	35.41%	0.02% - 99.52%
验证集	66	31.53%	0.08% - 90.32%
测试集	133	33.82%	0.10% - 90.67%
独立测试集	276	21.83%	0.01% - 71.95%

独立测试集来自与主数据集地理上不相交的区域，专门用于评估模型的空间泛化能力。

每张样本为 (128, 128, 7) 的多通道图像，数据类型为 float32，像素值归一化到 [0.0, 1.0] 范围。对应的掩膜为单通道 (128, 128) 的 uint8 图像，像素值为0或1，表示背景或滑坡区域。

论文报告了6种主流分割模型在MMLSv2上的性能表现：