Modele łączące enkoder obrazów teledetekcyjnych z modelem językowym: kontrastowe (wyszukiwanie obraz–tekst) i generatywne (opisy, VQA, uziemienie w ramkach).
Models linking a remote-sensing image encoder with a language model: contrastive (image–text retrieval) and generative (captions, VQA, box grounding).
Modele, którym można zadać pytanie o zdjęcie satelitarne zwykłym językiem i dostać odpowiedź, opis albo zaznaczony na obrazie obiekt.
Models you can ask about a satellite image in plain language and get an answer, a description or an object marked on the picture.
Analiza zdjęć z satelity wymagała specjalistycznych programów i osobnego modelu do każdego pytania, niedostępnych dla zwykłych użytkowników.
Analysing satellite images used to need specialist software and a separate model for each question, out of reach for ordinary users.
Jak rozmowa z analitykiem nad mapą: pytasz, ile tu jest boisk, a on liczy i pokazuje je palcem.
Like talking to an analyst over a map: you ask how many sports pitches there are, and they count and point to them.
Dziennikarka pyta model, ile statków stoi w porcie na zdjęciu, i prosi o zaznaczenie rozpoznanych jednostek.
A journalist asks how many ships are in the harbour image and asks the model to mark the vessels it identifies.