AgriScope:面向农业图像的像素级多模态理解统一框架,arXiv 2609.20325(预印本)

方法

构建AgriGround数据集（50万+图像、1100万+指令样本），融合语义与

发现

AgriScope在接地描述、指代分割、多轮交互等农业视觉语言任务上有效。

机会点

可探索像素级多模态模型在田间实时病害诊断与精准施药决策中的落地与轻量化。

Boudiaf、Alanssari、Hussain、Javed提出AgriScope,一个统一的像素级多模态农业图像理解框架,联合支持图像级、区域级、像素级理解,可实现接地描述生成、指代表达分割、多轮多模态交互等任务。集成生物专用语义表征、密集空间表征与像素解码;引入大规模像素级农业多模态指令调优数据集AgriGround,包含50万+图像和1100万+指令跟随样本,涵盖植物病害分析、作物与杂草识别、昆虫识别、细粒度植物理解。实验表明AgriScope在多项农业视觉语言任务上有效。