MarsRetrieval: 用于火星大尺度地理空间检索的视觉语言模型基准测试
计算机视觉与模式识别
2026-02-17 v1 天体物理仪器与方法
计算与语言
摘要
数据驱动的方法，如深度学习，正在快速推进行星科学，特别是火星探索。尽管近期取得了进展，大多数现有基准仍局限于封闭集监督视觉任务，不支持基于文本的地理空间发现检索。我们介绍MarsRetrieval，这是一个用于评估火星地理空间发现中视觉语言模型的检索基准。MarsRetrieval包括三个任务：（1）成对图像-文本检索，（2）地形检索，和（3）全局地理定位，覆盖多个空间尺度和多样化的地形来源。我们提出了一种统一的检索中心化协议，用于基准测试多模态嵌入架构，包括对比双塔编码器和生成式视觉语言模型。我们的评估显示marsRetrieval具有挑战性：即使是强大的基础模型也常常无法捕捉到特定的地形区别。我们进一步展示了，针对行星环境中通用地理空间发现进行域特定微调至关重要。我们的代码可在 https://github.com/ml-stat-Sustech/MarsRetrieval 获取。
引用
@article{arxiv.2602.13961,
title = {MarsRetrieval: Benchmarking Vision-Language Models for Planetary-Scale Geospatial Retrieval on Mars},
author = {Shuoyuan Wang and Yiran Wang and Hongxin Wei},
journal= {arXiv preprint arXiv:2602.13961},
year = {2026}
}