論文の概要: Data-Driven Vision-Language Models for Remote Sensing: A Survey

• arxiv url: http://arxiv.org/abs/2610.31304v1
• Date: Thu, 22 Oct 2026 14:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.395904
• Title: Data-Driven Vision-Language Models for Remote Sensing: A Survey
• Title（参考訳）: リモートセンシングのためのデータ駆動型ビジョンランゲージモデル:サーベイ
• Abstract要約: 本稿では,学術コミュニティが,RSサブフィールド向けに,より多様で高品質な視覚言語データセットを構築することを奨励することを目的とする。 最終的に、これらの取り組みを、広範囲なタスクカバレッジと広範な地理的分布を提供する包括的なRSビジョン言語コーパスにまとめることが目標である。
• 参考スコア（独自算出の注目度）: 34.96278794366123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: During the deep learning era, innovations in remote sensing (RS) vision models primarily focused on optimizing network architectures for specific tasks and conducting end-to-end training. However, with the advent of the Vision-Language Models (VLMs) era, constrained by substantial computational resource demands, the mainstream research paradigm has shifted towards adapting general-purpose VLMs using RS vertical domain data for fine-tuning, rather than modifying their core architectures. This transition marks a change in the innovation pathway from model-centric to data-centric. Despite the increasing importance of data, the academic community still lacks a systematic, data-centric survey to guide researchers in constructing high-quality RS vision-language datasets for various application scenarios and in conducting effective model fine-tuning and performance evaluation based on these datasets. To address this gap, this paper presents a systematic review of the development status of RS datasets tailored for VLMs. It further provides a comprehensive practical guide for RS researchers in the large model era, covering the entire pipeline from data construction to fine-tuning and evaluation. This paper aims to encourage the academic community to build more diverse and higher-quality vision-language datasets for specialized RS sub-fields. Ultimately, the goal is to converge these efforts into a comprehensive RS vision-language corpus that offers extensive task coverage and a wide geographical distribution, thereby laying a solid data foundation for advancing towards general artificial intelligence in RS.
• Abstract（参考訳）: ディープラーニング時代、リモートセンシング(RS)ビジョンモデルの革新は主に、特定のタスクにネットワークアーキテクチャを最適化し、エンドツーエンドのトレーニングを実行することに焦点を当てた。 しかし、膨大な計算資源要求に制約されたビジョン・ランゲージ・モデル(VLM)時代の到来に伴い、主流研究パラダイムはコアアーキテクチャを変更するのではなく、RS垂直領域データを用いて汎用的なVLMを微調整する方向に移行した。 この移行は、革新の道のりをモデル中心からデータ中心へと変えたことを示している。 データの重要性が増しているにもかかわらず、学術コミュニティは、研究者が様々なアプリケーションシナリオのための高品質なRSビジョン言語データセットの構築や、これらのデータセットに基づいた効果的なモデル微調整とパフォーマンス評価を行うための、体系的なデータ中心の調査をいまだに欠いている。 このギャップに対処するために,本論文では,VLMに適したRSデータセットの開発状況を体系的にレビューする。 さらに、データ構築から微調整、評価に至るまで、パイプライン全体を網羅する大規模なモデル時代のRS研究者のための包括的な実践的ガイドを提供する。 本稿では,学術コミュニティが,RSサブフィールド向けに,より多様で高品質な視覚言語データセットを構築することを奨励することを目的とする。 究極的には、これらの取り組みを、広範囲なタスクカバレッジと広範な地理的分布を提供する包括的なRSビジョン言語コーパスにまとめることが目標である。

関連論文リスト

• More with Less: a Large Scale Remote Sensing VLM with a Simple Recipe [52.210953881548996]
  遠隔センシングベンチマークに挑戦することで,視覚言語モデルが競争力や最先端のパフォーマンスを達成可能であることを示す。 我々のモデルは、テキストで直接答えるか、セグメント化とグラウンド化のためにローカライズツールを呼び出すことができる単一の言語ポリシーを使用する。 提案手法は,高分解能,マルチテンポラル,マルチモーダル,マルチビュータスクを含む,幅広いベンチマークの競合性を実現する。
  論文  参考訳（メタデータ） (2026-07-17T13:25:44Z)
• OpenSpatial: A Principled Data Engine for Empowering Spatial Intelligence [81.95171718605265]
  高品質、拡張性、幅広いタスクの多様性、最適化された効率性のために設計されたオープンソースのデータエンジンであるOpenSpatialを紹介します。 OpenSpatialは5つの基本的なタスクにまたがって包括的なデータ階層を構築するための基本的なプリミティブとして3Dバウンディングボックスを採用している。 我々は300万個の高忠実度サンプルからなる大規模データセットOpenSpatial-3Mをキュレートする。
  論文  参考訳（メタデータ） (2026-04-08T17:03:02Z)
• A Large Language Model for Disaster Structural Reconnaissance Summarization [0.8602553195689513]
  大規模言語モデル(LLM)は複数の分野にまたがって普及し、AIによる視覚ベースの構造健康モニタリングに関する新たな洞察を提供する。 本研究では,LLM-DRS(LLM-DRS)フレームワークについて紹介する。 LLM-DRSは、集約された属性とメタデータに基づいて、個々の構造や影響を受ける領域の要約レポートを生成する。
  論文  参考訳（メタデータ） (2026-02-12T05:14:45Z)
• A Survey on Efficient Vision-Language-Action Models [153.11669266922993]
  VLA(Vision-Language-Action Model)は、物理世界の相互作用によってデジタル知識を橋渡しすることを目的とした、インテリジェンスにおける重要なフロンティアである。 これらの課題に緊急に対応する必要性から、この調査は、効率的なビジョン・ランゲージ・アクションモデルに関する最初の包括的なレビューを提示する。
  論文  参考訳（メタデータ） (2025-10-27T17:57:33Z)
• Statistical Comparative Analysis of Semantic Similarities and Model Transferability Across Datasets for Short Answer Grading [3.7723788828505125]
  本研究では、確立されたデータセットに基づいて訓練された最先端(SOTA)モデルの、未探索のテキストデータセットへの転送可能性について検討する。 この研究の主な目的は、SOTAモデルの潜在的な適用性と適応性に関する総合的な洞察を得ることである。
  論文  参考訳（メタデータ） (2025-08-19T05:45:02Z)
• Towards Depth Foundation Model: Recent Trends in Vision-Based Depth Estimation [96.1872246747684]
  深さ推定は3Dコンピュータビジョンの基本課題であり、3D再構成、自由視点レンダリング、ロボティクス、自律運転、AR/VR技術といった応用に不可欠である。 LiDARのようなハードウェアセンサーに依存する従来の方法は、しばしば高コスト、低解像度、環境感度によって制限され、現実のシナリオで適用性を制限する。 ビジョンベースの手法の最近の進歩は有望な代替手段を提供するが、低容量モデルアーキテクチャやドメイン固有の小規模データセットへの依存のため、一般化と安定性の課題に直面している。
  論文  参考訳（メタデータ） (2025-07-15T17:59:59Z)
• Quality-Driven Curation of Remote Sensing Vision-Language Data via Learned Scoring Models [11.114790704621427]
  VLM(Vision-Language Models)は、言語誘導セマンティックを通して、リモートセンシング(RS)画像を解釈する大きな可能性を実証している。 自動品質評価のための大規模RS視覚言語嗜好データに基づいて学習した新しいスコアモデルを提案する。 実験結果から,スコアモデルでランク付けされたデータのトップ30%を有する細調整のCLIPや高度なVLMは,全データ微調整とCLIPスコアに基づくランキング手法と比較して精度が高いことがわかった。
  論文  参考訳（メタデータ） (2025-03-02T05:44:56Z)
• RSGPT: A Remote Sensing Vision Language Model and Benchmark [7.279747655485913]
  高品質なリモートセンシング画像キャプチャーデータセット(RSICap)を構築する。 このデータセットは、リッチで高品質な情報を備えた2,585の人称注釈付きキャプションからなる。 また、RSIEvalと呼ばれるベンチマーク評価データセットも提供します。
  論文  参考訳（メタデータ） (2023-07-28T02:23:35Z)

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。