MonoIR-RS

新数据集MonoIR-RS推动红外遥感视觉语言理解

研究人员推出了MonoIR-RS，这是一个新的数据集和基准，旨在通过视觉语言模型促进对红外遥感图像的理解。该资源包括600,000张合成红外图像和超过59,000条红外感知字幕，专门调整为侧重于红外线索而非RGB外观。实验表明，将CLIP和VLM等模型适配到这种红外特定数据上，可以显著提高它们在图像字幕和检索等任务上的性能，减少对残余RGB信息的依赖。