基于大型语言模型的自动卫星图像描述生成

💡 原文中文,约500字,阅读约需2分钟。
📝

内容提要

本研究构建了一个高质量的远程感知图像字幕数据集(RSICap),包括 2,585 个人工注释的字幕,为每个图像提供了详细的描述,包括场景描述和对象信息。此外,还提供了一个基准评估数据集 RSIEval,可以全面评估在 RS 背景下的视觉语言模型。

🏷️

标签

➡️

继续阅读