Beyond Zooming: Learning Multi-Tool Visual Reasoning for Ultra-High-Resolution Remote Sensing

arXiv cs.CV ・ 2026-07-28

AI による要約

超高解像度リモートセンシング画像におけるマルチモーダル大規模言語モデル（MLLM）の視覚推論能力を向上させるための大規模データセット「GeoMTVR」が提案された。従来の単一のズームインツールを超えた、多ツールを用いた広域かつ分散した証拠の推論を可能にする。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CV）をご確認ください。