面向遥感视觉定位的高效适配
计算机视觉与模式识别
2025-06-02 v3 人工智能
计算与语言
摘要
适配预训练模型已成为人工智能中的一种有效策略，为从头训练模型提供了可扩展且高效的替代方案。在遥感（RS）领域，视觉定位（VG）仍属欠探索范畴，该方法能够部署强大的视觉-语言模型以实现稳健的跨模态理解，同时显著降低计算开销。为此，我们应用了参数高效微调（PEFT）技术来适配这些模型以完成针对遥感的 VG 任务。具体而言，我们评估了 LoRA 在 Grounding DINO 不同模块中的放置位置，并使用 BitFit 和适配器对在通用 VG 数据集上预训练的 OFA 基础模型进行了微调。该方法实现了与当前最先进（SOTA）模型相当或超越它们的性能，同时显著降低了计算成本。本研究凸显了 PEFT 技术在推进遥感中高效精准的多模态分析方面的潜力，为全模型训练提供了实用且具成本效益的替代方案。
引用
@article{arxiv.2503.23083,
title = {Efficient Adaptation For Remote Sensing Visual Grounding},
author = {Hasan Moughnieh and Mohamad Chalhoub and Hasan Nasrallah and Cristiano Nattero and Paolo Campanella and Giovanni Nico and Ali J. Ghandour},
journal= {arXiv preprint arXiv:2503.23083},
year = {2025}
}