Buchumschlag

Multimodal Interpretation of Remote Sensing Images: Dynamic Resolution Input Strategy and Multi-scale Vision-Language Alignment Mechanism

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Siyu, Shan, Lianlei, Qiu, Runhe
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DynRsl-VLM: Enhancing Autonomous Driving Perception with Dynamic Resolution Vision-Language Models
von: Zhou, Xirui, et al.
Veröffentlicht: (2025)

GDGS: 3D Gaussian Splatting Via Geometry-Guided Initialization And Dynamic Density Control
von: Wang, Xingjun, et al.
Veröffentlicht: (2025)

LHRS-Bot-Nova: Improved Multimodal Large Language Model for Remote Sensing Vision-Language Interpretation
von: Li, Zhenshi, et al.
Veröffentlicht: (2024)

Frequency-Aware Vision-Language Multimodality Generalization Network for Remote Sensing Image Classification
von: Zhang, Junjie, et al.
Veröffentlicht: (2025)

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

FLAVARS: A Multimodal Foundational Language and Vision Alignment Model for Remote Sensing
von: Corley, Isaac, et al.
Veröffentlicht: (2025)

KV-Efficient VLA: A Method to Speed up Vision Language Models with RNN-Gated Chunked KV Cache
von: Xu, Wanshun, et al.
Veröffentlicht: (2025)

Sparse but not Simpler: A Multi-Level Interpretability Analysis of Vision Transformers
von: Zhang, Siyu
Veröffentlicht: (2026)

Vision-Enhanced Large Language Models for High-Resolution Image Synthesis and Multimodal Data Interpretation
von: KV, Karthikeya
Veröffentlicht: (2025)

A Benchmark for Multi-Lingual Vision-Language Learning in Remote Sensing Image Captioning
von: Zhou, Qing, et al.
Veröffentlicht: (2025)

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

LeMeViT: Efficient Vision Transformer with Learnable Meta Tokens for Remote Sensing Image Interpretation
von: Jiang, Wentao, et al.
Veröffentlicht: (2024)

GeoLLaVA-8K: Scaling Remote-Sensing Multimodal Large Language Models to 8K Resolution
von: Wang, Fengxiang, et al.
Veröffentlicht: (2025)

MapGlue: Multimodal Remote Sensing Image Matching
von: Wu, Peihao, et al.
Veröffentlicht: (2025)

Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution
von: Xiao, Yi, et al.
Veröffentlicht: (2024)

SeG-SR: Integrating Semantic Knowledge into Remote Sensing Image Super-Resolution via Vision-Language Model
von: Chen, Bowen, et al.
Veröffentlicht: (2025)

Edge-guided and Class-balanced Active Learning for Semantic Segmentation of Aerial Images
von: Shan, Lianlei, et al.
Veröffentlicht: (2024)

Remote Sensing Large Vision-Language Model: Semantic-augmented Multi-level Alignment and Semantic-aware Expert Modeling
von: Park, Sungjune, et al.
Veröffentlicht: (2025)

A Survey on Remote Sensing Foundation Models: From Vision to Multimodality
von: Huang, Ziyue, et al.
Veröffentlicht: (2025)

Synthetic Lung X-ray Generation through Cross-Attention and Affinity Transformation
von: Pi, Ruochen, et al.
Veröffentlicht: (2025)

GeoAlignCLIP: Enhancing Fine-Grained Vision-Language Alignment in Remote Sensing via Multi-Granular Consistency Learning
von: Yang, Xiao, et al.
Veröffentlicht: (2026)

Dual-Branch Remote Sensing Infrared Image Super-Resolution
von: Ge, Xining, et al.
Veröffentlicht: (2026)

NeuroVoxel-LM: Language-Aligned 3D Perception via Dynamic Voxelization and Meta-Embedding
von: Liu, Shiyu, et al.
Veröffentlicht: (2025)

VHM: Versatile and Honest Vision Language Model for Remote Sensing Image Analysis
von: Pang, Chao, et al.
Veröffentlicht: (2024)

LMFNet: An Efficient Multimodal Fusion Approach for Semantic Segmentation in High-Resolution Remote Sensing
von: Wang, Tong, et al.
Veröffentlicht: (2024)

Enhancing Remote Sensing Vision-Language Models Through MLLM and LLM-Based High-Quality Image-Text Dataset Generation
von: He, Yiguo, et al.
Veröffentlicht: (2025)

Multimodal-Aware Fusion Network for Referring Remote Sensing Image Segmentation
von: Shi, Leideng, et al.
Veröffentlicht: (2025)

Multi-Resolution SAR and Optical Remote Sensing Image Registration Methods: A Review, Datasets, and Future Perspectives
von: Zhang, Wenfei, et al.
Veröffentlicht: (2025)

RemoteCLIP: A Vision Language Foundation Model for Remote Sensing
von: Liu, Fan, et al.
Veröffentlicht: (2023)

Exploring Fine-Grained Image-Text Alignment for Referring Remote Sensing Image Segmentation
von: Lei, Sen, et al.
Veröffentlicht: (2024)

RS-DGC: Exploring Neighborhood Statistics for Dynamic Gradient Compression on Remote Sensing Image Interpretation
von: Xie, Weiying, et al.
Veröffentlicht: (2023)

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

Co-Training Vision Language Models for Remote Sensing Multi-task Learning
von: Li, Qingyun, et al.
Veröffentlicht: (2025)

SPEX: A Vision-Language Model for Land Cover Extraction on Spectral Remote Sensing Images
von: Si, Dongchen, et al.
Veröffentlicht: (2025)

MGIMM: Multi-Granularity Instruction Multimodal Model for Attribute-Guided Remote Sensing Image Detailed Description
von: Yang, Cong, et al.
Veröffentlicht: (2024)

Res-Bench: Benchmarking the Robustness of Multimodal Large Language Models to Dynamic Resolution Input
von: Li, Chenxu, et al.
Veröffentlicht: (2025)

Dynamic Dictionary Learning for Remote Sensing Image Segmentation
von: Zou, Xuechao, et al.
Veröffentlicht: (2025)

EagleVision: Object-level Attribute Multimodal LLM for Remote Sensing
von: Jiang, Hongxiang, et al.
Veröffentlicht: (2025)

Continual Vision-Language Learning for Remote Sensing: Benchmarking and Analysis
von: Weng, Xingxing, et al.
Veröffentlicht: (2026)

LRSAA: Large-scale Remote Sensing Image Target Recognition and Automatic Annotation
von: Dong, Wuzheng, et al.
Veröffentlicht: (2024)