Tag · 2 篇
像素级视觉定位
分布 视觉语言模型1图像分割1
01 02
TerraScope：面向地球观测的像素级视觉推理
TerraScope: Pixel-Grounded Visual Reasoning for Earth Observation
把像素级掩码嵌入推理链，让 VLM 在输出答案的同时给出可验证的分割证据，这一「推理链内嵌掩码」的监督构造方式可迁移到需要空间定位的视觉问答与指代任务；其光学/SAR 自适应融合与多时相序列建模也为遥感 VLM 提供了可复用的输入组织范式。
面向胸部X光的指令引导病灶分割及自动构建的大规模数据集
Instruction-Guided Lesion Segmentation for Chest X-rays with Automatically Generated Large-Scale Dataset
把指代图像分割（RIS）迁移到胸片病灶分割，用自动化多模态流水线从图像-报告对生成 110 万条指令-答案对，并微调 LISA 类多模态大模型实现指令驱动的像素级病灶定位与文本解释，为视觉研究者提供了「用报告自动造分割监督」的可复用范式。