已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Bootstrapping Interactive Image–Text Alignment for Remote Sensing Image Captioning

计算机科学 隐藏字幕 人工智能 冗余(工程) 遥感 编码器 计算机视觉 变压器 特征提取 图像(数学) 地质学 物理 量子力学 电压 操作系统
作者
Cong Yang,Zuchao Li,Lefei Zhang
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:62: 1-12 被引量:14
标识
DOI:10.1109/tgrs.2024.3359316
摘要

Recently, remote sensing image captioning has gained significant attention in the remote sensing community. Due to the significant differences in spatial resolution of remote sensing images, existing methods in this field have predominantly concentrated on the fine-grained extraction of remote sensing image features, but they cannot effectively handle the semantic consistency between visual features and textual features. To efficiently align the image-text, we propose a novel two-stage vision-language pre-training-based approach to bootstrap interactive image-text alignment for remote sensing image captioning, called BITA, which relies on the design of a lightweight interactive Fourier Transformer to better align remote sensing image-text features. The Fourier layer in the interactive Fourier Transformer is capable of extracting multi-scale features of remote sensing images in the frequency domain, thereby reducing the redundancy of remote sensing visual features. Specifically, the first stage involves preliminary alignment through image-text contrastive learning, which aligns the learned multi-scale remote sensing features from the interactive Fourier Transformer with textual features. In the second stage, the interactive Fourier Transformer connects the frozen image encoder with a large language model. Then, prefix causal language modeling is utilized to guide the text generation process using visual features. Ultimately, across the UCM-caption, RSICD, and NWPU-caption datasets, the experimental results clearly demonstrate that BITA outperforms other advanced comparative approaches. The code is available at https://github.com/yangcong356/BITA.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
5秒前
6秒前
cao_bq完成签到,获得积分10
6秒前
煎蛋公主完成签到,获得积分20
12秒前
cao_bq发布了新的文献求助10
12秒前
13秒前
14秒前
温纲完成签到,获得积分10
18秒前
CodeCraft应助暴躁的傲柔采纳,获得10
20秒前
善学以致用应助mimi采纳,获得10
20秒前
Bunny完成签到,获得积分10
21秒前
图南完成签到,获得积分10
22秒前
Vce April完成签到,获得积分10
25秒前
27秒前
30秒前
wanci应助充满繁星的夜采纳,获得10
32秒前
天天快乐应助会会小小胖采纳,获得10
33秒前
mimi发布了新的文献求助10
33秒前
wangye完成签到 ,获得积分10
34秒前
LIU发布了新的文献求助10
35秒前
42秒前
mimi完成签到,获得积分10
42秒前
情怀应助cao_bq采纳,获得10
47秒前
小蘑菇应助王彬采纳,获得10
50秒前
且从容完成签到,获得积分10
53秒前
lily完成签到 ,获得积分10
56秒前
摩天大楼完成签到,获得积分10
57秒前
美满的稚晴完成签到 ,获得积分10
1分钟前
太阳完成签到,获得积分10
1分钟前
悠悠夏日长完成签到 ,获得积分10
1分钟前
刘刘完成签到 ,获得积分10
1分钟前
医疗废物专用车乘客完成签到,获得积分10
1分钟前
pinklay完成签到 ,获得积分10
1分钟前
OliAn完成签到,获得积分10
1分钟前
1分钟前
太阳发布了新的文献求助10
1分钟前
77完成签到 ,获得积分10
1分钟前
1分钟前
Moonlight发布了新的文献求助10
1分钟前
DJANGO完成签到,获得积分20
1分钟前
高分求助中
歯科矯正学 第7版(或第5版) 1004
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Semiconductor Process Reliability in Practice 720
GROUP-THEORY AND POLARIZATION ALGEBRA 500
Mesopotamian divination texts : conversing with the gods : sources from the first millennium BCE 500
Days of Transition. The Parsi Death Rituals(2011) 500
The Heath Anthology of American Literature: Early Nineteenth Century 1800 - 1865 Vol. B 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3229557
求助须知:如何正确求助?哪些是违规求助? 2877193
关于积分的说明 8198117
捐赠科研通 2544532
什么是DOI,文献DOI怎么找? 1374513
科研通“疑难数据库(出版商)”最低求助积分说明 646974
邀请新用户注册赠送积分活动 621749