مدلهای زبانی بزرگ (MLLMs) در تحلیل تصاویر بسیار باکیفیت ماهوارهای با یک چالش بزرگ روبرو هستند: دیدن جزئیات کوچک در یک وسعت جغرافیایی عظیم. حالا محققان با معرفی «GeoMTVR»، یک مجموعه داده و روش جدید، به این مدلها یاد دادهاند که چطور مثل یک متخصص از ابزارهای مختلف برای «زوم کردن»، «جستجوی هوشمند» و «تحلیل منطقی» در تصاویر ماهوارهای استفاده کنند.
این پیشرفت یعنی هوش مصنوعی حالا میتواند فراتر از نگاه سطحی، با ترکیب ابزارهای مختلف، استنتاجهای دقیقتری از وضعیت شهرها و عوارض زمین داشته باشد. قدمی بزرگ برای دنیای GIS و رصد دقیقتر کره زمین! 🌍✨
منبع: arXiv Computer Vision