文章预览
转自： 遥感与深度学习 题目 ：RingMoGPT: A Unified Remote Sensing Foundation Model for Vision, Language, and grounded tasks 期刊：IEEE Transactions on Geoscience and Remote Sensing 论文：https://ieeexplore.ieee.org/abstract/document/10777289 年份：2024 单位：中科院空天院、中科院自动化所、中国科学院大学 创新点 多模态统一模型：RingMoGPT结合视觉、语言和地理定位能力，能够处理场景分类、目标检测、视觉问答、图像字幕生成及变化检测等六个主要任务。 数据集构建： 构建了一个包含52万对高质量图像-文本配对的数据集，细化了远程感知图像的对象描述。 构建了160万对包含指令调优的多任务数据集，支持多时态场景分析。 模块设计： 提出了带有地理位置和指令感知能力的Q-Former模块，提升定位和多时态分析性能。 集成了变化检测模块，实现图像变化的精准分析。 数据 数据集 数据主
………………………………
