动态分辨率裁剪

ZoomEarth：面向超高分辨率地理空间视觉语言任务的主动感知

ZoomEarth: Active Perception for Ultra-High-Resolution Geospatial Vision-Language Tasks

把「主动感知」引入超高分辨率视觉语言模型：模型通过自适应裁剪-缩放反复回看信息密集区域，并用区域引导奖励配合 GRPO 训练，可直接迁移到任意需要细粒度小目标的高分辨率 VLM 任务（遥感、病理、文档、卫星图）。