Fugu-MT 論文翻訳(概要): ArabGeoText: Tool-Augmented Vision-Language Models for Arabic Geospatial Text Spotting

論文の概要: ArabGeoText: Tool-Augmented Vision-Language Models for Arabic Geospatial Text Spotting

arxiv url: http://arxiv.org/abs/2611.03339v1
Date: Mon, 02 Nov 2026 15:58:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-06 05:04:09.778923
Title: ArabGeoText: Tool-Augmented Vision-Language Models for Arabic Geospatial Text Spotting
Title（参考訳）: ArabGeoText: アラビア地理空間テキストスポッティングのためのツール拡張視覚言語モデル
Abstract要約: リヤドとジェッダの970の地理的位置をカバーするアラビア中心のベンチマークを示す。 YOLO26のローカライゼーションと作物の修正とQwen3.5-4Bの認識を組み合わせたツール拡張型視覚言語フレームワークを提案する。このフレームワークは、画像ビューとテスト都市の両方で、LoRA対応のQwen3.5-4Bよりも優れている。
参考スコア（独自算出の注目度）: 2.2896377922766895
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Geospatial text spotting involves locating and transcribing geographic labels, such as road names, district names, and landmarks, in raster maps. These labels are often small, densely arranged, and arbitrarily oriented. Although Arabic text recognition has been studied extensively in documents and natural scenes, Arabic geospatial text spotting remains underexplored. We introduce ARABGEOTEXT, an Arabic-centric benchmark covering 970 geographic locations in Riyadh and Jeddah, with 17,875 manually annotated text instances per view type. For each location, we pair an OpenStreetMap (OSM) rendering with a composite created by overlaying that rendering on the corresponding remote sensing (RS) imagery. The paired views preserve label content and pixel geometry, allowing evaluation across different backgrounds. Geographic partitions support in-city and city-disjoint evaluation of detection, recognition, and end-to-end spotting. Experiments with direct Qwen3.5-4B spotting show difficulties in recovering all labels within a tile. We therefore propose a tool-augmented vision-language framework that combines YOLO26 localization and crop rectification with Qwen3.5-4B recognition adapted through low-rank adaptation (LoRA). The framework outperforms direct LoRA-adapted Qwen3.5-4B spotting across both image views and test cities. With localization held fixed, reader adaptation further improves recognition over the pretrained zero-shot reader. The dataset and code will be made publicly available at https://github.com/yakoubbazi/ArabGeoText.
Abstract（参考訳）: 地理空間的テキストスポッティングには、道路名、地区名、ランドマークなどの地理的ラベルをラスターマップに配置し、翻訳することが含まれる。これらのラベルは、しばしば小さく、密集的に配置され、任意に指向されている。アラビア語のテキスト認識は文書や自然の場面で広く研究されているが、アラビアの地理空間的テキストスポッティングは未発見のままである。我々は、リヤドとジェダの970の地理的位置をカバーするアラビア中心のベンチマークであるARABGEOTEXTを紹介した。各場所では、OpenStreetMap(OSM)レンダリングと、対応するリモートセンシング(RS)イメージにそのレンダリングをオーバーレイして作成したコンポジットをペアにします。ペアビューはラベルの内容とピクセルの幾何学を保存し、異なる背景をまたいだ評価を可能にする。地理的パーティションは、都市内および都市間における検出、認識、エンドツーエンドスポッティングの評価をサポートする。直接Qwen3.5-4Bスポッティング実験では、タイル内の全てのラベルを回収することが困難であった。そこで我々は,低ランク適応(LoRA)により適応されたQwen3.5-4B認識とYOLO26のローカライゼーションと作物の是正を組み合わせたツール拡張型視覚言語フレームワークを提案する。このフレームワークは、画像ビューとテスト都市の両方で、LoRA対応のQwen3.5-4Bよりも優れている。ローカライゼーションが固定された場合、リーダ適応は事前訓練されたゼロショットリーダの認識をさらに改善する。データセットとコードはhttps://github.com/yakoubbazi/ArabGeoTextで公開される。

関連論文リスト

UniGeo: A Multi-modal Large Language Model for Text-Guided Cross-View Geo-Localization [32.10571115517362]
テキスト誘導型ドローンジオローカライゼーションは、自然言語による説明から、大規模画像ギャラリーでターゲット領域を特定することを目的としている。テキスト誘導型ドローンジオローカライズのための統合マルチモーダル大言語モデル(MLLM)であるUniGeoを提案する。
論文参考訳（メタデータ） (2026-08-27T07:13:35Z)
CLIP the Landscape: Automated Tagging of Crowdsourced Landscape Images [0.5999777817331317]
ランドスケープ写真から地理的コンテキストタグを予測するためのCLIPベースのマルチモーダルマルチラベル分類器を提案する。位置埋め込みとタイトル埋め込みを画像特徴と組み合わせることで,画像埋め込みを単独で使用するよりも精度が向上することを示す。
論文参考訳（メタデータ） (2025-06-13T20:32:58Z)
GeoVLM: Improving Automated Vehicle Geolocalisation Using Vision-Language Matching [6.8045687415659275]
クロスビュージオローカライゼーションは、地上レベルの画像とジオタグ付き衛星画像とをデータベースからマッチングすることにより、車両の粗い地理的位置を特定する。既存のアプローチは高いリコールレートに達するが、それでもトップマッチとして正しいイメージのランク付けに失敗している。本稿では、視覚言語モデルのゼロショット機能を利用して、クロスビューなジオローカライゼーションを実現する新しいアプローチであるGeoVLMを提案する。
論文参考訳（メタデータ） (2025-05-19T19:17:06Z)
Where am I? Cross-View Geo-localization with Natural Language Descriptions [19.041103952139178]
クロスビュージオローカライゼーションは、ジオタグ付き衛星画像やOSMとマッチングすることで、ストリートビュー画像の位置を特定する。本稿では,シーンテキスト記述に基づいて,対応する衛星画像やOSMデータベースを検索することを目的とした,自然言語記述を用いたクロスビュージオローカライズのための新しいタスクを提案する。
論文参考訳（メタデータ） (2024-12-22T13:13:10Z)
CityGuessr: City-Level Video Geo-Localization on a Global Scale [54.371452373726584]
本稿では, 都市, 州, 国, 大陸を階層的に予測することを目的とした, グローバルな地平化の新たな課題を提案する。この問題を解決するためのモデルをトレーニングするために、世界中をカバーした大規模なビデオデータセットは存在しない。我々は、世界中の166都市から68,269の動画からなる新しいデータセット、CityGuessr68kを紹介した。
論文参考訳（メタデータ） (2024-11-10T03:20:00Z)
The First Swahili Language Scene Text Detection and Recognition Dataset [55.83178123785643]
低リソース言語、特にスワヒリ語には大きなギャップがある。スワヒリ語は東アフリカ諸国で広く話されているが、依然としてシーンテキスト認識において未発見言語である。本研究では,スワヒリシーンのテキスト画像の包括的データセットを提案し,異なるシーンのテキスト検出および認識モデルに基づくデータセットの評価を行う。
論文参考訳（メタデータ） (2024-05-19T03:55:02Z)
CLIM: Contrastive Language-Image Mosaic for Region Representation [58.05870131126816]
Contrastive Language-Image Mosaic (CLIM) は、領域とテキストの表現を整合させる新しいアプローチである。 CLIMは、異なるオープン語彙オブジェクト検出方法を一貫して改善する。視覚言語モデルの領域表現を効果的に強化することができる。
論文参考訳（メタデータ） (2023-12-18T17:39:47Z)
Text2Loc: 3D Point Cloud Localization from Natural Language [49.01851743372889]
我々は,いくつかの言語学的記述に基づく3次元点群局所化の問題に取り組む。我々は,ポイントとテキスト間の意味的関係を完全に解釈する新しいニューラルネットワークText2Locを導入する。 Text2Locは、KITTI360Poseデータセットの最先端技術に対して最大2倍のローカライゼーション精度を向上する。
論文参考訳（メタデータ） (2023-11-27T16:23:01Z)
GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文参考訳（メタデータ） (2023-09-27T20:54:56Z)
GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文参考訳（メタデータ） (2023-05-11T03:21:56Z)

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。