XiaoMi-AI文件搜索系统
World File Search SystemElhoseiny
Xiang Li (李祥)
1。x li，j ding，m elhoseiny。vrsbench：一种多功能视觉语言基准数据集，用于遥感图像理解。神经信息处理系统（NERUIPS）的第三十八大会，2024年。pdf 2。m艾哈迈德，X li，M Elhoseiny。3DCOMPAT200：用于组成识别的语言扎根大规模3D视觉数据集。第三十八届神经信息处理系统会议（Neruips），2024年。3。x li†，Jian ding†，Z Chen，M Elhoseiny。uni3dl：3D和语言理解的统一模型。欧洲计算机视觉会议（ECCV）2024。PDF 4。J Chen，D Zhu，X Shen，X Li，Z Liu，P Zhang，R Krishnamoorthi，V Chandra，Y Xiong，M Elhoseiny。迷你v2：大型语言模型作为视觉多任务学习的统一接口。arxiv。PDF 5。D Zhu，J Chen，X Shen，X Li，M Elhoseiny。Monigpt-4：使用先进的大语言模型来增强视力语言理解。国际学习表征会议（ICLR）2024（> 24K在GitHub开始）。PDF 6。J Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。 视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。 PDF 7。 f khan†，X li†，一座寺庙，M elhoseiny。 渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。 国际计算机视觉会议（ICCV），2023年。 PDF 8。 pdfJ Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。PDF 7。f khan†，X li†，一座寺庙，M elhoseiny。渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。国际计算机视觉会议（ICCV），2023年。PDF 8。pdfX Shen，X Li，M Elhoseiny。MASTGAN：具有时间运动风格的视频，IEEE计算机视觉和模式识别会议（CVPR），2023年。
请求论文IEEE地球科学和遥感杂志“遥感中的视觉语言模型”
Guest Editors Xiang Li, King Abdullah University of Science and Technology (xiangli92@ieee.org) Xiao Xiang Zhu, Technical University of Munich (xiaoxiang.zhu@tum.de) Gui-Song Xia, Wuhan University (guisong.xia@whu.edu.cn) Sherrie Wang, Massachusetts Institute of Technology （sherwang@mit.edu）武汉大学（balz@whu.edu.cn）蒂莫·巴尔兹（Timo Balz），阿卜杜拉国王科学技术大学（Mohamed.elhaseiny@kaust.edu.sa）Mohamed Elhoseiny，远程传感的视觉语言模型（VLMS）。vlms代表了计算机视觉和自然语言处理技术的开创性整合，旨在通过对视觉和文本信息的更细微的理解来增强与RS数据的解释和互动。通过弥合视觉识别和语义理解之间的差距，VLM提供了一个全面的框架，通过实现复杂的语义分析和自然语言描述功能，超越了传统的视觉任务。更重要的是，通过将视觉模型与LLM相结合，VLM可以利用验证的LLMS中的先验知识来解决复杂的推理任务。