محققان در تازهترین مقاله خود روشی نوآورانه به نام FBA را معرفی کردهاند که به مدلهای زبانی-تصویری (MLLMs) کمک میکند در تحلیل تصاویر هوایی و ماهوارهای، بسیار دقیقتر و تخصصیتر عمل کنند.
این روش که با نام «پر کردن شکاف قبل از پیشرفت» شناخته میشود، به جای آموزشهای عمومی، ابتدا شکافهای دانشی مدل را در حوزههای خاص (مثل نظارت بر بنادر) برطرف میکند. نتیجه این کار در تستهای عملی، افزایش چشمگیر دقت مدلهایی مثل LLaVA و Qwen3-VL بوده است.
این پیشرفت میتواند تحول بزرگی در کاربردهای سنجش از دور، مدیریت بنادر و پایشهای دقیق جغرافیایی ایجاد کند. 🌍🛰️
منبع: arXiv AI