GAIA 视觉语言遥感图像理解数据集

GAIA 是一个用于遥感图像分析的全球性、多模态、多尺度视觉-语言数据集，旨在弥合遥感 (RS) 图像与自然语言理解之间的差距，由雅典国立技术大学、雅典哈罗科皮奥大学和慕尼黑工业大学的研究人员于 2025 年发布，相关论文成果为「GAIA: A Global, Multi-modal, Multi-scale Vision-Language Dataset for Remote Sensing Image Analysis」。它提供了 205,150 对图像-文本配对（41,030 张图像，每张图像配备 5 个合成描述），以推动特定于遥感的视觉-语言模型 (VLMs) 的发展。该数据集涵盖了 25 年的地球观测数据（1998-2024 年），覆盖了多样化的地理区域、卫星任务和遥感模态。

GAIA is a global, multi-modal, multi-scale vision-language dataset for remote sensing image analysis, aiming to bridge the gap between remote sensing (RS) images and natural language understanding. It was released in 2025 by researchers from the National Technical University of Athens, Harokopio University of Athens, and Technical University of Munich. The associated paper is titled "GAIA: A Global, Multi-modal, Multi-scale Vision-Language Dataset for Remote Sensing Image Analysis". It contains 205,150 image-text pairs (41,030 images, each paired with 5 synthetic descriptions) to advance the development of remote sensing-specific vision-language models (VLMs). The dataset covers 25 years of Earth observation data from 1998 to 2024, spanning diverse geographic regions, satellite missions, and remote sensing modalities.

搜集汇总

背景与挑战

背景概述

GAIA 是一个全球性多模态遥感图像理解数据集，由多所大学于2025年发布，包含20.5万对图像-文本数据，覆盖25年地球观测信息。数据集按70%/20%/10%的比例划分为训练、测试和验证集，旨在推动遥感视觉语言模型的发展。