FBA: Un Nuovo Metodo di Post-Training per MLLM di Telerilevamento Specializzati per Scenari
Viene proposto un nuovo metodo chiamato Filling Before Advancing (FBA) per il post-training di modelli linguistici multimodali di grandi dimensioni per il telerilevamento (RS-MLLM) al fine di ottenere una specializzazione fine per scenari specifici. L'approccio affronta le sfide della scarsità di dati di alta qualità per lo scenario e della copertura incompleta delle capacità, colmando prima le lacune di capacità prerequisite prima di passare all'adattamento al dominio target. FBA viene istanziato per la comprensione dei porti costieri utilizzando il dataset CPRS (Coastal-Port Remote Sensing), che presenta una struttura di supervisione a tre livelli e tre fasi di addestramento ordinate: ancoraggio semantico RS per l'allineamento visivo-linguistico a vista aerea, convergenza del ponte di dominio per i priori RS condivisi e specializzazione dello scenario. Il lavoro è pubblicato su arXiv con ID 2607.22205.
Fatti principali
- 1. FBA sta per Filling Before Advancing
- 2. FBA è un metodo di post-training per RS-MLLM
- 3. Mira alla specializzazione per scenari nel telerilevamento
- 4. La comprensione dei porti costieri è utilizzata come scenario rappresentativo
- 5. Il dataset CPRS ha una supervisione a tre livelli
- 6. Tre fasi ordinate: ancoraggio semantico RS, convergenza del ponte di dominio, specializzazione dello scenario
- 7. Pubblicato su arXiv con ID 2607.22205
- 8. Affronta l'adattamento guidato dal divario di capacità
Entità
Istituzioni
- arXiv