arXiv · 机器人与计算机视觉· Chengyang Zhang, Zhihao Wang, Zhiyu Long, Xueqian Wang, Quanming Yao, Wei Wu, Gang Li·· 2026-10-19AI 评分42
FloodVLM-Pix:首个支持语言级理解与像素级分割的洪水多模态基准及模型发布
FloodVLM-Pix: Language-Guided Pixel-Level Flood Understanding
AI 导读
FloodVLM-Pix 提出首个包含 13.1 万图像块和 44.3 万文本描述的洪水多模态基准,通过洪水先验模块消除注意力偏差并解决云层干扰。该语言引导像素级理解模型在描述质量与分割性能上均优于现有视觉语言模型及分割模型。代码与数据将按原文链接发布。
来源:arXiv · 机器人与计算机视觉 · arxiv.org