GWS15k dataset

新AI助手GaGA利用LVLMs增强图像地理定位

研究人员开发了GaGA，一个交互式全球地理定位助手，它利用大型视觉语言模型（LVLMs）来预测图像的地理位置。GaGA识别图像中的地理线索，并利用LVLMs中嵌入的知识提供带有理由的预测。该系统允许用户干预，提高了其实用性，并基于包含500万图像-文本对的新型多模态全球地理定位（MG-Geo）数据集构建。GaGA在GWS15k数据集上展示了最先进的性能，提高了国家和城市级别的准确性。