跳到正文
arXiv · 机器人与计算机视觉· Guohui Deng, Yuhang Jiang, Chengjun Wang, Zhongwen Hu, Zhaocong Wu, Linsheng Huang, Jinling Zhao, Chao Ruan, Miaozhong Xu, Chi Chen·· 9 天前AI 评分71

GeoScope:超越计数视界的无训练程序执行方法用于超高解析度遥感问答

GeoScope: Training-Free Program Execution beyond the Counting Horizon for Ultra-High-Resolution Remote Sensing Question Answering

AI 导读

针对超高解析度遥感图像中物体计数和空间关系判断的难题,该研究指出现有视觉语言模型(VLM)存在固定的‘计数视界’限制,一旦视图内物体超过约五个便会显著失准。作者提出 GeoScope 方法,利用纯文本语言模型将问题转化为空间程序以固定区域和分辨率,仅让 VLM 在其有效范围内进行定位与计数,并显式计算方向关系。

来源:arXiv · 机器人与计算机视觉 · arxiv.org