跳到正文
arXiv · 机器人与计算机视觉· Yakoub Bazi, Sarah Alsaleh, Mohamad M. Al Rahhal, Mohamed A. Mekhtiche, Mansour Zuair·· 16 天前AI 评分72

ArabGeoText:面向阿拉伯地理文本检测的工具增强视觉语言模型研究

ArabGeoText: Tool-Augmented Vision-Language Models for Arabic Geospatial Text Spotting

AI 导读

本文介绍 ArabGeoText 基准数据集,覆盖利雅得和吉达的 970 个地点及 17,875 个标注实例,通过叠加 OSM 渲染图与遥感影像构建配对视图以支持跨背景评估。实验表明直接微调 Qwen3.5-4B 难以恢复所有标签,因此提出结合 YOLO26 定位裁剪与 LoRA 适配的框架,在图像视图和测试城市上均优于基线。数据集与代码将公开提供。

来源:arXiv · 机器人与计算机视觉 · arxiv.org