محققان در پژوهشی جدید، رویکرد متفاوتی را برای تحلیل دادههای ماهوارهای و رصد زمین پیشنهاد دادهاند. برخلاف باور رایج که نیاز به مدلهای تخصصی و پیچیده را در حوزه سنجش از دور (Remote Sensing) مطرح میکرد، این پژوهش نشان میدهد که یک مدل زبانی-تصویری (VLM) با مقیاس مناسب و دادههای متنوع، میتواند عملکردی در سطح یا حتی بهتر از مدلهای تخصصی ارائه دهد.
این مدل جدید با استفاده از یک سیاست زبانی واحد، قادر است به سوالات پاسخ دهد یا ابزارهای تخصصی برای بخشبندی و مکانیابی تصاویر را فراخوانی کند. این پیشرفت گامی مهم در جهت استفاده از مدلهای عمومی برای کاربردهای پیچیده علمی است.
منبع: arXiv Computer Vision
