RS-OPSD: Reliable Privileged On-Policy-Self-Distillation for Ultra-High-Resolution Remote Sensing VQA
Aggiunta all'archivio di AIChronos il (numero del 29 settembre 2026 ricostruito)· fonte del · Chengjie Jiang, Yunqi Zhou, Jiafeng Yan, Sihang Zhao, Chun Yuan, Jing Li
RS-OPSD è un framework per il Visual Question Answering (VQA) su immagini di telerilevamento ad ultra-alta risoluzione che internalizza i vantaggi dello zoom-in visivo tramite distillazione on-policy. Il metodo utilizza GeoEvidence-6K, un dataset annotato con evidenze regionali guidate dal feedback umano, e introduce meccanismi come Context-Preserving Visual Privilege (CPVP) per mitigare la perdita di contesto durante il cropping stretto. Inoltre, implementa Correctness-Aligned Distillation (CAD) per allineare i segnali dei teacher imperfetti senza richiedere ricerche visive o chiamate a strumenti in fase di inferenza.
- RS-OPSD supera lo stato dell'arte su benchmark come XLRS-Bench e MME-RealWorld-RS con un miglioramento medio del 4.0% rispetto ai modelli precedenti della stessa scala.
- La variante RS-OPD-Lite (2B parametri) eccelle nella velocità di inferenza, superando la maggior parte dei modelli da 8B senza sacrificare le prestazioni.
- Il framework elimina la necessità di ricerche visive o tool calls durante l'inferenza, rendendo il processo più efficiente e autonomo.
- GeoEvidence-6K fornisce 6.750 campioni VQA in sette categorie con annotazioni esplicithe delle regioni rilevanti per la domanda.
Perché conta. ['Permette di migliorare le capacità di ragionamento visivo dei modelli locali senza dipendere da strumenti esterni o ricerche online costose.', 'Offre una soluzione scalabile per applicazioni che richiedono analisi dettagliate su immagini massive, come il monitoraggio ambientale o urbano.']
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.