跳到正文
arXiv · 机器人与计算机视觉· Pengyu Dai, Yao Zhang, Jian Song, Junjue Wang, Yafei Ou, Yuzeng Chen, Junshi Xia, Hongruixuan Chen, Naoto Yokoya·· 9 天前精选AI 评分78

EarthJev:面向超高分辨率遥感理解的视觉证据采集与决策框架

EarthJev: Efficient Visual Evidence Acquisition and Decision for UHR Remote Sensing Understanding

AI 导读

针对超高分辨率(UHR)遥感视觉问答中在大场景下定位细粒度证据的挑战,本文提出 EarthJev 框架。该框架将区域评分与答案生成分离,利用空间指针验证器引导探索或跳过搜索,并通过轻量级头部对冻结表征的候选视图进行批量打分。

推荐理由

提出 EarthJev 框架,通过分离区域评分与答案生成及冻结回答模型,在超高分辨率遥感问答任务中显著降低延迟并提升准确率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org