研究人员推出了 AeroReformer2，这是一个高效的双边网络，专为航空影像中的语音查询指代分割而设计。该新模型通过整合多样化的语音输入，超越了仅文本查询的限制，填补了现有基准测试的空白。AeroReformer2 结合了视觉路径、语音编码和分辨率细化头，能够准确分割遥感图像中的目标，并在其新基准测试上取得了最先进的成果。 AI
影响 为遥感分析中更直观的人机交互引入了一种新方法。
排序理由 该集群是关于一篇介绍特定计算机视觉任务的新模型和数据集的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2608.08874v1 Announce Type: new Abstract: Spoken language offers a natural, hands-free interface for specifying an arbitrary target in dense remote-sensing imagery, yet existing referring remote-sensing image segmentation benchmarks accept only written expressions. To bridg…