caption

遥感视觉语言模型“More with Less”优先考虑数据规模而非架构

研究人员开发了一个名为“More with Less”的超大规模遥感视觉语言模型（VLM），该模型挑战了对专门架构设计的需求。通过在多样化的数据集上训练一个通用VLM并采用多任务强化学习框架，该模型在各种遥感任务中取得了有竞争力的性能，包括视觉问答、检测和分割。研究表明，数据规模和多样性对于推进遥感VLM比架构创新更为关键。