ArabGeoText: Tool-Augmented Vision-Language Models for Arabic Geospatial Text Spotting
Pubblicata su AIChronos il · fonte del · Yakoub Bazi, Sarah Alsaleh, Mohamad M. Al Rahhal, Mohamed A. Mekhtiche, Mansour Zuair
Il documento introduce ArabGeoText, un benchmark centrato sull'arabo che copre 970 località geografiche a Riyadh e Jeddah con oltre 17.800 istanze di testo annotate manualmente per tipo di vista. Il dataset abbina rendering OpenStreetMap su immagini da telerilevamento (RS) preservando contenuto e geometria dei pixel, supportando valutazioni sia intra-città che inter-città. Gli esperimenti dimostrano le difficoltà del modello Qwen3.5-4B diretto nel recuperare tutti i testi in una tile, portando alla proposta di un framework tool-augmented per migliorare le prestazioni.
- ArabGeoText è il primo benchmark dedicato allo spotting di testo geospaziale arabo con annotazioni manuali su mappe raster e immagini RS.
- Il dataset utilizza una strategia di pairing che sovrappone rendering OSM a imagery da telerilevamento per preservare la geometria dei pixel.
- Un framework tool-augmented combina YOLO26 per localizzazione/rettifica con Qwen3.5-4B adattato tramite LoRA, superando l'approccio diretto.
- L'adattamento del lettore (reader adaptation) migliora ulteriormente il riconoscimento mantenendo fissa la localizzazione rispetto a un reader zero-shot pre-addestrato.
- Il dataset e il codice sorgente saranno resi pubblicamente disponibili su GitHub per favorire la riproducibilità della ricerca.
Perché conta. Fornisce risorse essenziali (dataset, benchmark) specifiche per l'arabo geospaziale, colmando un gap significativo nella letteratura attuale. Il framework tool-augmented illustra una strategia pratica di combinazione tra modelli di localizzazione e riconoscimento adattati via LoRA per ottimizzare le prestazioni in scenari reali.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.