論文の概要: AgroNVILA: Perception-Reasoning Decoupling for Multi-view Agricultural Multimodal Large Language Models

• arxiv url: http://arxiv.org/abs/2603.14342v1
• Date: Sun, 15 Mar 2026 12:24:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.760023
• Title: AgroNVILA: Perception-Reasoning Decoupling for Multi-view Agricultural Multimodal Large Language Models
• Title（参考訳）: AgroNVILA:マルチビュー農業マルチモーダル大言語モデルのための知覚推論デカップリング
• Authors: Jiarui Zhang, Junqi Hu, Zurong Mai, Yuhang Chen, Shuohong Lou, Henglian Huang, Lingyuan Zhao, Jianxi Huang, Yutong Lu, Haohuan Fu, Juepeng Zheng,
• Abstract要約: 農業マルチモーダル推論は、様々なスケールにわたる堅牢な空間的理解を必要とする。 既存のMulti-modal Large Language Models (MLLM) は「地球中心」のバイアスに悩まされている。 現代精密農業における多様な空間的トポロジと規模を捉えた多視点学習コーパスであるAgro Omniを紹介する。
• 参考スコア（独自算出の注目度）: 22.16996627735509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agricultural multimodal reasoning requires robust spatial understanding across varying scales, from ground-level close-ups to top-down UAV and satellite imagery. Existing Multi-modal Large Language Models (MLLMs) suffer from a significant "terrestrial-centric" bias, causing scale confusion and logic drift during complex agricultural planning. To address this, we introduce the first large-scale AgroOmni (288K), a multi-view training corpus designed to capture diverse spatial topologies and scales in modern precision agriculture. Built on this dataset, we propose AgroNVILA, an MLLM that utilizes a novel Perception-Reasoning Decoupling (PRD) architecture. On the perception side, we incorporate a View-Conditioned Meta-Net (VCMN), which injects macroscopic spatial context into visual tokens, resolving scale ambiguities with minimal computational overhead. On the reasoning side, Agriculture-aware Relative Policy Optimization (ARPO) leverages reinforcement learning to align the model's decision-making with expert agricultural logic, preventing statistical shortcuts. Extensive experiments demonstrate that AgroNVILA outperforms state-of-the-art MLLMs, achieving significant improvements (+15.18%) in multi-altitude agricultural reasoning, reflecting its robust capability for holistic agricultural spatial planning.
• Abstract（参考訳）: 農業マルチモーダル推論は、地上レベルのクローズアップからトップダウンのUAVや衛星画像に至るまで、様々なスケールで堅牢な空間的理解を必要とする。 既存のMulti-modal Large Language Models (MLLM) は「地球中心」のバイアスに悩まされ、複雑な農業計画において大規模な混乱と論理のドリフトを引き起こした。 そこで本研究では, 多様な空間的トポロジや規模を正確に把握するための多視点学習コーパスであるAgroOmni (288K) を紹介した。 本稿では,新しいパーセプション・推論・デカップリング(PRD)アーキテクチャを利用したMLLMであるAgroNVILAを提案する。 知覚面では、視覚トークンにマクロ空間コンテキストを注入するビューコンディションド・メタネット(VCMN)を導入し、最小の計算オーバーヘッドでスケールの曖昧さを解消する。 農業対応相対政策最適化(ARPO)は、強化学習を活用して、モデルの意思決定を専門家の農業論理と整合させ、統計的ショートカットを防ぐ。 大規模な実験により、AgroNVILAは最先端のMLLMよりも優れており、多高度農業の推論において大幅な改善(+15.18%)を達成している。

関連論文リスト

• AgriWorld:A World Tools Protocol Framework for Verifiable Agricultural Reasoning with Code-Executing LLM Agents [17.904008870689964]
  我々は,Pythonの実行環境であるAgriWorldを紹介し,フィールドパーセル上のクエリ,リモートセンシング時系列分析,作物の成長シミュレーション,タスク固有の予測器(収量,ストレス,病気リスクなど)について,統一的なツールを公開している。 この環境上では,複数ターンのAgroReflectiveエージェントを設計し,コードを反復的に書き,実行結果を観察し,実行-観測-再定義ループを通じて解析を洗練する。
  論文  参考訳（メタデータ） (2026-02-17T03:12:57Z)
• AgriDoctor: A Multimodal Intelligent Assistant for Agriculture [45.77373971125537]
  AgriDoctorは、インテリジェントな作物病診断と農業知識の相互作用のために設計されたモジュラーでマルチモーダルなフレームワークである。 効果的なトレーニングと評価を容易にするために,400000の注釈付き疾患画像,831のエキスパートによる知識エントリ,30000のバイリンガルプロンプトによるインテント駆動ツール選択のベンチマークであるAgriMMを構築した。 実験により、AgriMMで訓練されたAgriDoctorは、細粒度の農業作業において最先端のLVLMを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-09-21T11:51:57Z)
• AgriGPT: a Large Language Model Ecosystem for Agriculture [16.497060004913806]
  AgriGPTは、農業利用のためのドメイン特化大規模言語モデルエコシステムである。 信頼性のあるデータソースを,高品質で標準化された質問応答データセットであるAgri-342Kにコンパイルする,スケーラブルなデータエンジンを設計する。 本稿では,高密度検索,スパース検索,マルチホップ知識グラフ推論を組み合わせた3チャンネル検索拡張フレームワークTri-RAGを用いる。
  論文  参考訳（メタデータ） (2025-08-12T04:51:08Z)
• Leveraging Synthetic Data for Question Answering with Multilingual LLMs in the Agricultural Domain [1.0144032120138065]
  本研究は,インドの農業特化資料から多言語(ヒンディー語,パンジャービ語)の合成データセットを生成する。 人為的データセットの評価は、事実性、関連性、農業コンセンサスにおいて著しく改善されている。
  論文  参考訳（メタデータ） (2025-07-22T19:25:10Z)
• EarthMind: Leveraging Cross-Sensor Data for Advanced Earth Observation Interpretation with a Unified Multimodal LLM [103.7537991413311]
  地球観測(EO)データ分析は、環境と人間の動態のモニタリングに不可欠である。 最近のMultimodal Large Language Models (MLLM) は、EO理解の可能性を秘めているが、シングルセンサー入力に限定されている。 我々は、シングルセンサーとクロスセンサーの両方の入力を処理する統合視覚言語フレームワークであるEarthMindを提案する。
  論文  参考訳（メタデータ） (2025-06-02T13:36:05Z)
• A Multimodal Benchmark Dataset and Model for Crop Disease Diagnosis [5.006697347461899]
  本稿では,農学研究の分野を開拓するための先駆的資源である作物病領域マルチモーダルデータセットについて紹介する。 このデータセットは、さまざまな作物の病気の画像13万7000枚と、幅広い農業知識にまたがる100万の質問と回答のペアで構成されている。 我々は,最先端のマルチモーダルモデルを微調整し,作物病診断の大幅な改善を示すことにより,データセットの有用性を実証する。
  論文  参考訳（メタデータ） (2025-03-10T06:37:42Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。