PixDLM

新型PixDLM模型和DRSeg基准解决无人机推理分割问题

研究人员推出PixDLM，这是一种新颖的多模态语言模型，专为无人机（UAV）图像的推理分割而设计。该模型解决了无人机数据固有的倾斜视角和极端尺度变化等挑战。为了支持这项工作，开发了一个名为DRSeg的新基准，其中包含10,000张高分辨率航空图像，并提供跨空间、属性和场景级别的推理的链式思考（Chain-of-Thought）问答监督。在DRSeg上的实验证明了PixDLM作为该专业任务基线的有效性。