Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Landsat30-AU : un ensemble de données vision-langage pour l'imagerie Landsat australienne

Created by
  • Haebom

Auteur

Sai Ma, Zhuang Li, John A Taylor

Contour

Afin de pallier les limites des modèles vision-langage (VLM) permettant l'interaction en langage naturel avec l'imagerie satellitaire, cet article présente Landsat30-AU, un jeu de données vision-langage à grande échelle basé sur plus de 36 ans d'imagerie satellitaire basse résolution à long terme à 30 mètres, collectée par quatre satellites Landsat (5, 7, 8 et 9) au-dessus de l'Australie. Landsat30-AU se compose de deux éléments : Landsat30-AU-Cap, contenant 196 262 paires image-légende, et Landsat30-AU-VQA, contenant 17 725 échantillons de questions-réponses visuelles (VQA) vérifiés par l'homme dans huit domaines de télédétection. Nous démontrons que les VLM existants peinent à comprendre l'imagerie satellitaire basse résolution et démontrons des performances améliorées grâce à un réglage fin léger utilisant Landsat30-AU.

Takeaways, Limitations

•
Takeaways:
◦
Nous fournissons un ensemble de données de langage de vision à grande échelle, Landsat30-AU, contenant des données multisatellites à long terme et à faible résolution, posant les bases pour surmonter les limites des VLM existants.
◦
Nous avons démontré expérimentalement l’inadéquation des VLM existants dans la compréhension des images satellites et suggéré la possibilité d’une amélioration des performances grâce à un réglage fin.
◦
Il ouvre de nouvelles possibilités pour l’observation de la Terre et la recherche d’analyse basée sur l’imagerie satellite à basse résolution.
•
Limitations:
◦
ÉTant donné que l’ensemble de données est limité à la région australienne, une validation supplémentaire des performances de généralisation mondiale est nécessaire.
◦
Actuellement, la capacité des VLM à comprendre l’imagerie satellite est encore limitée et des modèles et techniques plus avancés sont nécessaires.
◦
Il manque une description détaillée du pipeline d'amorçage utilisé lors de la création de l'ensemble de données.
👍
Made with Slashpage