Buchumschlag

EarthGPT: A Universal Multi-modal Large Language Model for Multi-sensor Image Comprehension in Remote Sensing Domain

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Wei, Cai, Miaoxin, Zhang, Tong, Zhuang, Yin, Mao, Xuerui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EarthGPT-X: A Spatial MLLM for Multi-level Multi-Source Remote Sensing Imagery Understanding with Visual Prompting
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

EarthMarker: A Visual Prompting Multi-modal Large Language Model for Remote Sensing
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

Popeye: A Unified Visual-Language Model for Multi-Source Ship Detection from Remote Sensing Imagery
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

RS-TinyNet: Stage-wise Feature Fusion Network for Detecting Tiny Objects in Remote Sensing Images
von: Jiang, Xiaozheng, et al.
Veröffentlicht: (2025)

MSSDF: Modality-Shared Self-supervised Distillation for High-Resolution Multi-modal Remote Sensing Image Learning
von: Wang, Tong, et al.
Veröffentlicht: (2025)

SegEarth-R2: Towards Comprehensive Language-guided Segmentation for Remote Sensing Images
von: Xin, Zepeng, et al.
Veröffentlicht: (2025)

GeoGPT4V: Towards Geometric Multi-modal Large Language Models with Geometric Image Generation
von: Cai, Shihao, et al.
Veröffentlicht: (2024)

GAIA: A Global, Multi-modal, Multi-scale Vision-Language Dataset for Remote Sensing Image Analysis
von: Zavras, Angelos, et al.
Veröffentlicht: (2025)

SMART-Ship: A Comprehensive Synchronized Multi-modal Aligned Remote Sensing Targets Dataset and Benchmark for Berthed Ships Analysis
von: Fan, Chen-Chen, et al.
Veröffentlicht: (2025)

SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
von: Guo, Xin, et al.
Veröffentlicht: (2023)

JavisGPT: A Unified Multi-modal LLM for Sounding-Video Comprehension and Generation
von: Liu, Kai, et al.
Veröffentlicht: (2025)

SkySense V2: A Unified Foundation Model for Multi-modal Remote Sensing
von: Zhang, Yingying, et al.
Veröffentlicht: (2025)

GeoPix: Multi-Modal Large Language Model for Pixel-level Image Understanding in Remote Sensing
von: Ou, Ruizhe, et al.
Veröffentlicht: (2025)

RingMoE: Mixture-of-Modality-Experts Multi-Modal Foundation Models for Universal Remote Sensing Image Interpretation
von: Bi, Hanbo, et al.
Veröffentlicht: (2025)

GroundingGPT:Language Enhanced Multi-modal Grounding Model
von: Li, Zhaowei, et al.
Veröffentlicht: (2024)

M$^3$amba: CLIP-driven Mamba Model for Multi-modal Remote Sensing Classification
von: Cao, Mingxiang, et al.
Veröffentlicht: (2025)

Remote Sensing ChatGPT: Solving Remote Sensing Tasks with ChatGPT and Visual Models
von: Guo, Haonan, et al.
Veröffentlicht: (2024)

Continual Panoptic Perception: Towards Multi-modal Incremental Interpretation of Remote Sensing Images
von: Yuan, Bo, et al.
Veröffentlicht: (2024)

RemoteDet-Mamba: A Hybrid Mamba-CNN Network for Multi-modal Object Detection in Remote Sensing Images
von: Ren, Kejun, et al.
Veröffentlicht: (2024)

Multi-modal Uncertainty Robust Tree Cover Segmentation For High-Resolution Remote Sensing Images
von: Gui, Yuanyuan, et al.
Veröffentlicht: (2025)

UniDet-D: A Unified Dynamic Spectral Attention Model for Object Detection under Adverse Weathers
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

CrossEarth: Geospatial Vision Foundation Model for Domain Generalizable Remote Sensing Semantic Segmentation
von: Gong, Ziyang, et al.
Veröffentlicht: (2024)

CoF: Coarse to Fine-Grained Image Understanding for Multi-modal Large Language Models
von: Wang, Yeyuan, et al.
Veröffentlicht: (2024)

MMM-RS: A Multi-modal, Multi-GSD, Multi-scene Remote Sensing Dataset and Benchmark for Text-to-Image Generation
von: Luo, Jialin, et al.
Veröffentlicht: (2024)

DescribeEarth: Describe Anything for Remote Sensing Images
von: Li, Kaiyu, et al.
Veröffentlicht: (2025)

EmbodiedBench: Comprehensive Benchmarking Multi-modal Large Language Models for Vision-Driven Embodied Agents
von: Yang, Rui, et al.
Veröffentlicht: (2025)

Large Multi-modality Model Assisted AI-Generated Image Quality Assessment
von: Wang, Puyi, et al.
Veröffentlicht: (2024)

Coherent and Multi-modality Image Inpainting via Latent Space Optimization
von: Pan, Lingzhi, et al.
Veröffentlicht: (2024)

PhotoFramer: Multi-modal Image Composition Instruction
von: You, Zhiyuan, et al.
Veröffentlicht: (2025)

Attribution-Guided Multimodal Deepfake Detection via Cross-Modal Forensic Fingerprints
von: Ahmad, Wasim, et al.
Veröffentlicht: (2026)

Multi-level Cross-modal Alignment for Image Clustering
von: Qiu, Liping, et al.
Veröffentlicht: (2024)

Multimodal Interpretation of Remote Sensing Images: Dynamic Resolution Input Strategy and Multi-scale Vision-Language Alignment Mechanism
von: Zhang, Siyu, et al.
Veröffentlicht: (2025)

DDLNet: Boosting Remote Sensing Change Detection with Dual-Domain Learning
von: Ma, Xiaowen, et al.
Veröffentlicht: (2024)

Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation
von: Liu, Sihan, et al.
Veröffentlicht: (2023)

P-MSDiff: Parallel Multi-Scale Diffusion for Remote Sensing Image Segmentation
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

RingMo-Agent: A Unified Remote Sensing Foundation Model for Multi-Platform and Multi-Modal Reasoning
von: Hu, Huiyang, et al.
Veröffentlicht: (2025)

EarthBridge: A Solution for 4th Multi-modal Aerial View Image Challenge Translation Track
von: Chen, Zhenyuan, et al.
Veröffentlicht: (2026)

ESC-MISR: Enhancing Spatial Correlations for Multi-Image Super-Resolution in Remote Sensing
von: Zhang, Zhihui, et al.
Veröffentlicht: (2024)

AlignGPT: Multi-modal Large Language Models with Adaptive Alignment Capability
von: Zhao, Fei, et al.
Veröffentlicht: (2024)

Cross-modal Context-aware Learning for Visual Prompt Guided Multimodal Image Understanding in Remote Sensing
von: Zhang, Xu, et al.
Veröffentlicht: (2025)