武汉大学测绘遥感信息工程国家重点实验室王密教授:大模型赋能智能摄影测量:现状、挑战与前景 |《测绘学报》2024年53卷第10期
大模型从深度学习和迁移学习技术发展而来,依靠大量的训练数据和庞大的参数容量产生规模效应,从而激发了模型的涌现能力,在众多下游任务中展现了强大的泛化性和适应性。以ChatGPT、SAM为代表的大模型标志着通用人工智能时代的到来,为地球空间信息处理的自动化与智能化
大模型从深度学习和迁移学习技术发展而来,依靠大量的训练数据和庞大的参数容量产生规模效应,从而激发了模型的涌现能力,在众多下游任务中展现了强大的泛化性和适应性。以ChatGPT、SAM为代表的大模型标志着通用人工智能时代的到来,为地球空间信息处理的自动化与智能化
遥感影像在获取过程中会经常受到条带噪声的污染,降低遥感影像的视觉效果,对影像解译和反演等处理产生不利影响。当前一些主流的基于变分的条带噪声去除方法,虽然可以去除条带噪声,但是往往也会导致影像细节信息的严重丢失。基于上述问题,本文提出了一种基于细节信息约束的遥感