Tags: #视觉定位

逐章拆解 MBZUAI Oryx 团队 CVPR 2024 论文 GeoChat 的开源实现:在 LLaVA-1.5 基础上,如何用 318K RS 指令数据 + 旋转框 + 504 分辨率 CLIP 把"对话+定位"塞进同一张遥感图