Buchumschlag

Questions beyond Pixels: Integrating Commonsense Knowledge in Visual Question Generation for Remote Sensing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Siran, Mi, Li, Castillo-Navarro, Javiera, Tuia, Devis
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Knowledge-aware Visual Question Generation for Remote Sensing Images
von: Li, Siran, et al.
Veröffentlicht: (2026)

Knowledge-aware Text-Image Retrieval for Remote Sensing Images
von: Mi, Li, et al.
Veröffentlicht: (2024)

ConVQG: Contrastive Visual Question Generation with Multimodal Guidance
von: Mi, Li, et al.
Veröffentlicht: (2024)

ConGeo: Robust Cross-view Geo-localization across Ground View Variations
von: Mi, Li, et al.
Veröffentlicht: (2024)

EcoWikiRS: Learning Ecological Representation of Satellite Images from Weak Supervision with Species Observations and Wikipedia
von: Zermatten, Valerie, et al.
Veröffentlicht: (2025)

SMARTIES: Spectrum-Aware Multi-Sensor Auto-Encoder for Remote Sensing Images
von: Sumbul, Gencer, et al.
Veröffentlicht: (2025)

Multilingual Vision-Language Pre-training for the Remote Sensing Domain
von: Silva, João Daniel, et al.
Veröffentlicht: (2024)

Large Language Models for Captioning and Retrieving Remote Sensing Images
von: Silva, João Daniel, et al.
Veröffentlicht: (2024)

An Efficient and Effective Encoder Model for Vision and Language Tasks in the Remote Sensing Domain
von: Silva, João Daniel, et al.
Veröffentlicht: (2025)

What to align in multimodal contrastive learning?
von: Dufumier, Benoit, et al.
Veröffentlicht: (2024)

GeoExplorer: Active Geo-localization with Curiosity-Driven Exploration
von: Mi, Li, et al.
Veröffentlicht: (2025)

Visual Question Answering on Multiple Remote Sensing Image Modalities
von: Boussaid, Hichem, et al.
Veröffentlicht: (2025)

Text-Guided Coarse-to-Fine Fusion Network for Robust Remote Sensing Visual Question Answering
von: Zhao, Zhicheng, et al.
Veröffentlicht: (2024)

Segmentation-guided Attention for Visual Question Answering from Remote Sensing Images
von: Tosato, Lucrezia, et al.
Veröffentlicht: (2024)

Large Vision-Language Models for Remote Sensing Visual Question Answering
von: Siripong, Surasakdi, et al.
Veröffentlicht: (2024)

Cross-Modal Learning of Housing Quality in Amsterdam
von: Levering, Alex, et al.
Veröffentlicht: (2024)

POLO -- Point-based, multi-class animal detection
von: May, Giacomo, et al.
Veröffentlicht: (2024)

RSAdapter: Adapting Multimodal Models for Remote Sensing Visual Question Answering
von: Wang, Yuduo, et al.
Veröffentlicht: (2023)

SEA: Evaluating Sketch Abstraction Efficiency via Element-level Commonsense Visual Question Answering
von: Park, Jiho, et al.
Veröffentlicht: (2026)

Retrieval of Surface Solar Radiation through Implicit Albedo Recovery from Temporal Context
von: Frischholz, Yael, et al.
Veröffentlicht: (2025)

High-resolution Population Maps Derived from Sentinel-1 and Sentinel-2
von: Metzger, Nando, et al.
Veröffentlicht: (2023)

GeReA: Question-Aware Prompt Captions for Knowledge-based Visual Question Answering
von: Ma, Ziyu, et al.
Veröffentlicht: (2024)

Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection
von: Li, Ke, et al.
Veröffentlicht: (2024)

Augmented Commonsense Knowledge for Remote Object Grounding
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2024)

Multi-Scale Grouped Prototypes for Interpretable Semantic Segmentation
von: Porta, Hugo, et al.
Veröffentlicht: (2024)

CanadaFireSat: Toward high-resolution wildfire forecasting with multiple modalities
von: Porta, Hugo, et al.
Veröffentlicht: (2025)

Structure Causal Models and LLMs Integration in Medical Visual Question Answering
von: Xu, Zibo, et al.
Veröffentlicht: (2025)

GeoPixel: Pixel Grounding Large Multimodal Model in Remote Sensing
von: Shabbir, Akashah, et al.
Veröffentlicht: (2025)

RSVLM-QA: A Benchmark Dataset for Remote Sensing Vision Language Model-based Question Answering
von: Zi, Xing, et al.
Veröffentlicht: (2025)

Copy-Move Forgery Detection and Question Answering for Remote Sensing Image
von: Zhang, Ze, et al.
Veröffentlicht: (2024)

Object Retrieval for Visual Question Answering with Outside Knowledge
von: Kan, Shichao, et al.
Veröffentlicht: (2024)

Knowledge Detection by Relevant Question and Image Attributes in Visual Question Answering
von: Ahir, Param, et al.
Veröffentlicht: (2023)

Foundational Question Generation for Video Question Answering via an Embedding-Integrated Approach
von: Oh, Ju-Young
Veröffentlicht: (2025)

Breaking the Visual Shortcuts in Multimodal Knowledge-Based Visual Question Answering
von: Lee, Dosung, et al.
Veröffentlicht: (2025)

FIQ: Fundamental Question Generation with the Integration of Question Embeddings for Video Question Answering
von: Oh, Ju-Young, et al.
Veröffentlicht: (2025)

TRUST: Leveraging Text Robustness for Unsupervised Domain Adaptation
von: Litrico, Mattia, et al.
Veröffentlicht: (2025)

Acknowledging Focus Ambiguity in Visual Questions
von: Chen, Chongyan, et al.
Veröffentlicht: (2025)

Multi-Sourced Compositional Generalization in Visual Question Answering
von: Li, Chuanhao, et al.
Veröffentlicht: (2025)

KG-ViP: Bridging Knowledge Grounding and Visual Perception in Multi-modal LLMs for Visual Question Answering
von: Li, Zhiyang, et al.
Veröffentlicht: (2026)

Multimodal Rationales for Explainable Visual Question Answering
von: Li, Kun, et al.
Veröffentlicht: (2024)