面向卫星图像的地理空间链式推理提升视觉问答性能
计算机视觉与模式识别
2025-11-17 v1
摘要
地理空间链式推理 (CoT) 对推进卫星图像视觉问答 (VQA) 至关重要，尤其是在灾后监测、基础设施风险评估、城市韧性规划及政策支持等气候相关应用中。现有 VQA 模型虽能实现对遥感数据的可扩展解释，却往往缺乏处理复杂地理空间查询所需的结构化推理能力。我们提出一种集成 CoT 推理与直接偏好优化 (DPO) 的 VQA 框架，以提升可解释性、鲁棒性和准确率。通过生成中间论证，模型更好地处理检测、分类、空间关系及比较分析等任务，这些能力是可靠决策支持在高风险气候领域的关键。实验表明，CoT 监督相对于直接基线提高了 34.9% 的准确率，而 DPO 还为准确率和推理质量带来了额外提升。该系统推动了多光谱地球观测的 VQA，使其能够进行更丰富的地理空间推理，并在更有效的气候应用场景中发挥作用。
引用
@article{arxiv.2511.11198,
title = {Geospatial Chain of Thought Reasoning for Enhanced Visual Question Answering on Satellite Imagery},
author = {Shambhavi Shanker and Manikandan Padmanaban and Jagabondhu Hazra},
journal= {arXiv preprint arXiv:2511.11198},
year = {2025}
}