Hi-OPD: Hierarchy-Aware Open-Prompt Detection for Remote Sensing Images
Aggiunta all'archivio di AIChronos il (numero del 22 settembre 2026 ricostruito)· fonte del · Jinlong Hu, Yi Zhang, Zhiqi Xia, Yikang Zhou, Shunping Ji
Hi-OPD è un rilevatore open-prompt gerarchico progettato per risolvere le inconsistenze di granularità nelle annotazioni multisorgente delle immagini da telerilevamento. Il metodo introduce tecniche come il campionamento negativo sicuro e la supervisione multipla positiva lungo i percorsi della gerarchia, permettendo al modello di recuperare oggetti a livello ancestrale (es. 'vehicle') anche quando addestrato su prompt atomici specifici (es. 'car'). Utilizzando ConvVPE per convertire le box di supporto in embedding testuali compatibili con il rilevatore nativo, l'approccio supera i risultati della letteratura esistente sui benchmark DIOR e DOTA-v2.0.
- Risolve la modalità di fallimento dei modelli flat open-prompt che non recuperano oggetti a livello superiore quando addestrati su categorie atomiche specifiche.
- Integra il campionamento negativo sicuro, la supervisione multipla positiva e l'consistenza unidirezionale verso l'alto per apprendere efficacemente i livelli gerarchici.
- Raggiunge 79.7 AP50 su DIOR e supera significativamente OpenRSD sul benchmark VEDAI con una precisione testuale del 99.7% sulle relazioni di antenato comuni.
- Mantiene alte prestazioni nella rilevazione atomica mentre ripara le lacune nel trasferimento dei prompt attraverso la gerarchia tassonomica.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti, questo approccio è cruciale per gestire query multi-livello in sistemi di visione artificiale locale, garantendo coerenza semantica tra categorie specifiche e generiche senza richiedere un riesaddestramento completo.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.