HATNet: Hierarchical Attention Transformer With RS-CLIP Patch Tokens for Remote Sensing Image Captioning

Remote sensing image captioning (RSIC) aims to generate natural language descriptions of critical visual content in overhead-view remote sensing images. However, existing methods often produce descriptions with significant omissions and misidentifications of scene types or object counts, particularl...

وصف كامل

التفاصيل البيبلوغرافية

المؤلفون الرئيسيون:	Zhongle Ren, Jianhua Meng, Cheng Zhang, Shulin Gao, Biao Hou, Weibin Li, Hao Zhu, Licheng Jiao
التنسيق:	Artigo
اللغة:	Inglês
منشور في:	IEEE 2025-01-01
سلاسل:	IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
الموضوعات:	Contrastive language-image pretraining (CLIP) remote sensing image captioning (RSIC) Transformer
الوصول للمادة أونلاين:	https://ieeexplore.ieee.org/document/11214231/
الوسوم:	إضافة وسم لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!