跳到正文
arXiv · 机器人与计算机视觉· Mingning Guo, Mengwei Wu, Shaoxian Li, Haifeng Li, Chao Tao·· 6 天前AI 评分68

面向准确无人机图像感知的研究:利用更强任务提示引导视觉语言模型

Towards Accurate UAV Image Perception: Guiding Vision-Language Models with Stronger Task Prompts

AI 导读

针对无人机图像感知中目标密集、背景杂乱且简短提示指导不足的问题,本文提出无需微调的代理框架 AerialVP。该方法通过基于大模型的 Task Engine 动态分析原提示特异性,选择性融合图像语义、空间位置及物体关系等线索以增强提示,从而利用视觉语言模型预训练的对齐与推理能力降低目标歧义。

来源:arXiv · 机器人与计算机视觉 · arxiv.org