RSJEV: Discriminative Remote Sensing Scene Classification with Multimodal Large Language Models
Aggiunta all'archivio di AIChronos il (numero del 6 ottobre 2026 ricostruito)· fonte del · Dongchen Si, Di Wang, Mingzhen Xu, Jing Zhang, Bo Du, Liangpei Zhang
RSJEV è un framework multimodale a passaggio singolo per la classificazione di scene da telerilevamento che supera i limiti dei classificatori visivi tradizionali e degli MLLM autoregressivi. A differenza delle approcci basati su CLIP o generazione testuale, RSJEV riformula il problema come un processo decisionale discriminativo condizionato dai candidati, modellando congiuntamente rappresentazioni visive, istruzioni di task e semantica delle categorie. L'architettura introduce un 'OnePass Decider' che stima direttamente le probabilità delle categorie senza decodifica autoregressiva, preservando le interazioni visione-linguaggio. Gli esperimenti su benchmark come UC Merced, AID e NWPU-RESISC45 dimostrano prestazioni superiori rispetto a metodi basati su CNN, Transformer, Mamba, CLIP ed MLLM.
- RSJEV elimina la generazione autoregressiva superflua per compiti di classificazione con categorie esplicite.
- Il modello utilizza un processo decisionale discriminativo condizionato dai candidati all'interno dello spazio delle categorie.
- L'approccio riduce significativamente i costi di inferenza mantenendo alte prestazioni accuratezza-efficienza.
- RSJEV impiega solo 0.8 miliardi di parametri, offrendo una soluzione compatta ed efficiente per il telerilevamento.
- Il framework supera metodi rappresentativi basati su CNN, Transformer, Mamba e CLIP in tre benchmark standard.
Perché conta. ["Permette a sviluppatori di integrare capacità avanzate di comprensione immagini-testo con costi computazionali minimi per l'inferenza locale.", "Offre un paradigma alternativo all'uso pesante di MLLM autoregressivi, ideale per applicazioni che richiedono bassa latenza e risorse limitate."]
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.