视觉语言模型 / CVPR2026
CF-IPT:面向多源遥感数据分类的视觉语言预训练模型跨模态融合交互提示微调
CF-IPT: Cross-Modal Fusion Interactive Prompt Tuning of Vision-Language Pre-Trained Model for Multisource Remote Sensing Data Classification
把 CLIP 的提示学习从自然图像迁移到多源遥感:用光谱-空间提示矩阵引导视觉与文本分支的交互,仅训练 0.76% 参数即可完成多源图像分类,可作为跨模态提示微调在非自然图像域的可复用范式。
提示学习跨模态对齐多源遥感分类