智能遥感大模型研究进展与发展方向

燕琴, 顾海燕, 杨懿, 李海涛, 沈恒通, 刘世琦

Research progress and trend of intelligent remote sensing large model

Qin YAN, Haiyan GU, Yi YANG, Haitao LI, Hengtong SHEN, Shiqi LIU

表3 典型遥感大模型

Tab.3 Typical remote sensing large models

遥感大模型 代表模型 特点 遥感视觉大模型 RS-BYOL[41]、SeCo[42]、SatMAE[43]、RingMo、RVSA[44]、RSP[45]、Scale-MAE[46]、SpectralGPT[11]、DINO-MC[47]等 使用无标签光学影像作为训练数据，通过自监督学习预训练具有丰富语义的视觉特征，但需要微调才能实际应用 遥感生成大模型 DiffusionSat[48]等 使用自监督学习，可以生成逼真的遥感影像，可以解决多种生成任务 遥感多模态大模型 视觉+语言 紫东太初、MCRN[49]、RemoteCLIP[40]、GeoChat等 将文本与遥感视觉特征对齐，具有无缝下游应用的潜力，但数据收集需要文本与遥感图像对应，成本较高 视觉+位置 CSP[50]、GeoCLIP[51]、SatCLIP[52]等 可从公开可用的遥感卫星图像结合其附带的位置信息中学习特征表示 视觉+音频 SoundingEarth[53]等 同时利用视觉和听觉理解应用场景