OSMDA-VLM

新的OSMDA框架使用OpenStreetMap数据适配遥感视觉语言模型

研究人员开发了OSMDA，一个新颖的框架，用于将视觉语言模型（VLMs）适配到遥感任务中，而无需依赖昂贵的が手動アノテーション或大型外部教師モデル。该方法通过将航空影像与OpenStreetMap（OSM）数据配对以生成丰富的字幕，从而利用了VLM自身的能力。这种自包含的方法允许模型仅使用卫星影像进行微调，与现有的基线和依赖教师的方法相比，在各种视觉语言任务上取得了更好的性能。