arXiv cs.LG· Ayesh Abu Lehyeh, Jay Hwasung Jung, Safwan Wshah·· 9 小时前AI 评分22
语言能保留多少地点信息？零样本语言推理用于跨视角地理定位
What Words Keep of a Place: Zero-Shot Language Reasoning for Cross-View Geo-Localization
AI 导读
研究用多模态大语言模型将地面全景与卫星瓦片描述为结构化文本，在无训练条件下完成跨视角地理定位。在四个美国城市 9,826 对 VIGOR 数据上，全库描述相似度排序的 Recall@1 仅 0.39%；缩小到十个邻近瓦片后，MLLM 评判器打分可达随机排序的两倍，并能指出两段描述中一致与冲突的字段。
来源：arXiv cs.LG · arxiv.org