arXiv cs.AI· Weiyu Zhang, Yuan Hu, Yong Li, Yu Liu·· 3 天前AI 评分22
Uni-RS：面向遥感的空间忠实统一理解与生成模型
Uni-RS: A Spatially Faithful Unified Understanding and Generation Model for Remote Sensing
AI 导读
针对统一遥感多模态模型在文本到图像生成中难以忠实执行空间关系的"空间反转诅咒"，研究者提出 Uni-RS，通过显式空间布局规划、空间感知查询监督和图像-字幕空间布局变换三项设计，将几何规划与视觉合成解耦。实验显示该方法在多个基准上大幅提升生成的空间忠实度，同时在图像描述、视觉定位和 VQA 等理解任务上保持强劲表现。
正文 · AI 翻译
摘要：统一遥感多模态模型表现出明显的空间反转诅咒：尽管它们能够准确识别并描述图像中的目标位置，但在文本到图像生成过程中，它们往往无法忠实执行相同的空间关系，而此类关系在遥感中构成核心语义信息。受此观察启发，我们提出了 Uni-RS，这是首个专为遥感定制的统一多模态模型，旨在明确解决理解与生成之间的空间不对称问题。具体而言，我们首先引入显式空间布局规划，将文本指令转换为空间布局方案，从而将几何规划与视觉合成解耦。随后，我们施加空间感知查询监督，使可学习查询偏向指令中明确指定的空间关系。最后，我们开发了图像-描述空间布局变化，使模型接触系统性的几何一致空间变换。在多个基准上的大量实验表明，我们的方法显著提升了文本到图像生成中的空间忠实度，同时在图像描述、视觉定位和 VQA 等多模态理解任务上保持了强劲性能。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2601.17673 [cs.CV] |
| （或 arXiv:2601.17673v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.17673 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Weiyu Zhang [查看电子邮件]
[v1]
2026年1月25日星期日 03:22:26 UTC（11,026 KB）
[v2]
2026年10月13日星期二 03:36:12 UTC（13,819 KB）
来源：arXiv cs.AI · arxiv.org