arXiv Computer Vision· Xinyi Niu, Lingfeng Chen, Jiehua Zhang, Panhe Hu, Li Liu, Zhen Liu, Yongxiang Liu·· 13 小时前AI 评分31
GeoJeV：面向超高分辨率遥感免训练高效证据获取的统一空间概率方法
GeoJeV: Unified Spatial Probability for Training-Free Efficient Evidence Acquisition in Ultra-High-Resolution Remote Sensing
AI 导读
GeoJeV 是一种免训练的证据获取方法，把区域搜索建模为空间概率驱动的决策，由冻结的 JeV 模型输出候选区域概率分布，并用 Region Rank、Sparse Branch 与 Depth Gate 协同控制搜索优先级、分支宽度和细化深度。
推荐理由模型分析
GeoJeV 把超高分辨率遥感影像的证据获取从依赖生成式 MLLM 的中间解码，改为用冻结模型输出的空间概率分布直接驱动区域排序、分支宽度和细化深度，属于免训练方法。它在三个遥感基准上报告了具体精度，并称相对 Qwen3-VL-8B 平均提升 5.32 个百分点、每题仅多 1.12 秒、较近期方法推理加速 7.8 倍。做遥感多模态推理或高分辨率图像检索的开发者可据此比较免训练搜索策略与生成式搜索的精度和延迟权衡，但结论限于所列基准和实验条件。
来源：arXiv Computer Vision · arxiv.org