SARVLM-1M

新型SARVLM模型增强雷达图像语义理解能力

研究人员开发了SARVLM，这是一种专为合成孔径雷达（SAR）图像设计的新型视觉语言基础模型。该模型通过构建包含一百万个以上图像-文本对的SARVLM-1M数据集，解决了SAR多模态数据稀缺的问题。SARVLM采用两阶段域迁移训练策略，整合了SARCLIP和SARCap等组件，以弥合SAR与自然图像之间的差距。在多个基准测试上的广泛实验表明，SARVLM在语义理解方面具有卓越的能力，在图像-文本检索和目标检测等任务上优于现有的视觉语言模型。