مدلهای زبانی چندوجهی (MLLM) در حال تغییر بازی در دنیای تحلیل تصاویر ماهوارهای هستند. در پژوهش جدیدی که روی قابلیتهای این مدلها انجام شده، نتایج جالبی به دست آمده است:
🔹 محققان دریافتند که برخلاف تصور، مدلهای چندوجهیِ عمومی (General-Purpose) در بسیاری از وظایفِ تحلیل تصاویر ماهوارهای، عملکردی مشابه یا حتی بهتر از مدلهای تخصصیِ این حوزه دارند!
🔹 اگرچه مدلهای اختصاصی در تشخیصهای دقیق و پرسشوپاسخهای بصری همچنان رقابتی هستند، اما این مطالعه نشان میدهد که قدرت انتقالِ دانش (Transferability) در مدلهای عمومی بسیار فراتر از انتظار بوده و نیاز به آموزشهای تخصصیِ پرهزینه را به چالش میکشد.
با این حال، هنوز چالشهایی مثل استدلال فضایی و درک جزئیات ظریف برای این مدلها باقی مانده که مسیر آینده تحقیقات را مشخص میکند.
منبع: arXiv Computer Vision