arXiv · 机器人与计算机视觉· Jiahe Wu, Bing Cao, Xingyue Guo, Ruipu Zhao, Beiming Yu, Jiekang Feng, Qinghua Hu, Pengfei Zhu·· 17 天前AI 评分54
Drone-PUR:从视觉线索发现到无人机场景的理解与推理
Drone-PUR: From Visual Clue Discovery to Understanding and Reasoning in UAV Scenes
AI 导读
论文介绍 Drone-PUR 数据集与基准,旨在解决通用视觉语言模型(VLM)在无人机场景中因小目标、细微属性及视角变化导致的感知与理解局限。该基准包含 11 项任务,涵盖单图、序列、跨模态及多视角数据,共提供 17.5 万训练样本和 2 万经人工审核的测试样本。
来源:arXiv · 机器人与计算机视觉 · arxiv.org