基于关系推理的遥感图像视觉问答：朝向可查询地球的方向发展

基于城市规划需求，开发了多模态多任务的VQA数据集（EarthVQA），旨在推动基于关系推理的判断、计数和综合分析。SOBA框架以物体为中心，提出了语义物体感知的方法，通过对象语义生成和对象引导的注意力，以及双向交叉注意力，对复杂关系推理进行了先进的视觉问答模型优化。实验证明，SOBA优于现有的通用和遥感方法，该数据集和框架为地球视觉的复杂分析提供了一个强大的基准。