OpenCVL

新的多模态大语言模型和数据集推动文本引导的地理定位

研究人员推出了UniGeo，一个专为文本引导的无人机地理定位而设计的多模态大语言模型。该模型通过建立局部场景元素、空间关系和语言之间的对应关系，增强了使用自然语言描述在大型图像库中识别目标区域的能力。UniGeo还模拟了无人机和卫星视图之间的语义映射，并包含一个用于在相似候选对象之间进行细粒度区分的验证模块。此外，一个名为OpenCVL的新数据集也已发布，该数据集包含欧洲多个城市的、大规模且多样化的地面-航空图像对，以促进细粒度跨视图定位的研究。