Aerial-R1：强化多模态大语言模型的航拍推理与分割能力
英文标题：Aerial-R1: Reinforcing Aerial Reasoning and Segmentation in MLLMs
多模态大语言模型（MLLMs）在通用视觉感知任务中取得了显著进展，但在面对尺度变化极端、视觉歧义复杂的航拍场景时，仍饱受严重的幻觉问题困扰。针对现有监督微调方法的不足，研究团队提出了 Aerial-R1，旨在通过强化推理机制增强 MLLMs 在遥感及航空影像下的视觉推理与实例分割表现。该研究有望显著改善无人机视觉分析与高分辨率卫星遥感图像解译的可靠性，为垂直领域大模型开发者提供了应对复杂空间视觉任务的新思路。
打开原文相关 4 · 机会 0
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
摘要
arXiv:2610.33056v1 公告类型：新论文
摘要：尽管多模态大语言模型（MLLMs）彻底革新了通用视觉感知能力，但在航拍领域，由于极端尺度变化和普遍存在的视觉歧义，现有方法仍面临严重的幻觉问题。现有的监督微调（Supervised Fine-Tuning）……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×