GeoPixel

让多模态大模型精准定位遥感图像中的每个目标像素

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 21 🐛 待处理 11 👀 关注 10
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 157
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源模型，Apache-2.0许可证，可免费使用和部署。

项目预览

GeoPixel 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队mbzuai-oryx
官网地址https://mbzuai-oryx.github.io/GeoPixel
GitHubhttps://github.com/mbzuai-oryx/GeoPixel
定价模式🏷️完全免费
价格说明开源模型，Apache-2.0许可证，可免费使用和部署。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型foundation-models,grounding-llms,large-multimodal-models,large-vision-language-models,remote-sensing,segmentation-models,vision-language-models
GitHub 星标★ 157
上线时间2025-01-23 00:00:00
代码更新2026-09-05
仓库体积30.3 MB
本站数据更新2026-11-11
维护状态维护中
收录时间2026-08-09
浏览次数8

项目介绍

GeoPixel 是一个面向高分辨率遥感影像分析的像素级定位多模态大模型。它解决的是遥感图像中多目标精细定位与理解的问题，能够对图像中的多个目标进行像素级的分割与识别，而不仅仅是生成文本描述或粗略的边界框。其核心能力包括：将视觉与语言信息深度融合，支持基于自然语言指令的像素级目标定位；针对遥感影像的独特特性（如多尺度、复杂背景、小目标密集等）进行了专门优化；提供端到端的模型架构，可直接输出像素级掩码。该项目旨在推动多模态大模型在遥感领域的落地应用，为地理空间智能分析提供更精准的技术支撑。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 157

核心亮点

  • 专为遥感影像设计，针对多尺度、小目标等场景优化，比通用模型更精准
  • 支持多目标同时像素级定位，输出高精度掩码，超越传统框级检测
  • 融合视觉与语言指令，可通过自然语言灵活指定分析目标

不足之处

  • 文档/社区待观察
  • 早期项目，模型权重和训练代码可能未完全开源

适用场景

  • 遥感影像目标检测与分割
  • 地理空间情报分析
  • 灾害监测与资源调查

替代项目

SAM (Segment Anything Model)、CLIP、Owl-ViT

上一篇：BEVT

下一篇：Mamba-in-Computer-Vision

同类项目推荐

LiDARCrafter 开源

从 LiDAR 序列直接生成动态 4D 世界，让机器看懂时空变化

[AAAI 2026 Oral] LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences

★ 207 2026-08-09
D-FINE-seg 开源

检测加分割一网打尽，训练到 TensorRT 部署全流程

Real-time object detection, keypoint estimation, instance and semantic segmentation.···

★ 225 2026-09-20
foundational_fsod 开源

用视觉语言模型让少样本检测更准，小数据也能快速上手

This repository contains the implementation for the paper "Revisiting Few Shot Objec···

★ 92 2026-08-09
EVA 开源

用智源EVA视觉大模型，轻松提升图像任务精度

EVA Series: Visual Representation Fantasies from BAAI

★ 2700 2026-08-09
DZ-FaceDetailer 开源

在 ComfyUI 中一键修复和增强生成图像的人脸细节。

a node for comfyui for restore/edit/enchance faces utilizing face recognition

★ 235 2026-08-09
SensorLLM 开源

让大模型读懂传感器数据，零样本识别人类活动

[EMNLP 2025] Official implementation of "SensorLLM: Aligning Large Language Models w···

★ 115 2026-08-09
GammaCV 开源

浏览器里用 GPU 跑图像处理，实时滤镜和特征提取不卡顿

GammaCV is a WebGL accelerated Computer Vision library for browser

★ 195 2026-09-18
oximedia 开源

用纯 Rust 一站式搞定音视频与视觉处理，安全无专利负担

OxiMedia is the Sovereign Media Framework - A patent-free, memory-safe multimedia pr···

★ 268 2026-09-18
photoprism-vision 开源

快速搭建视觉实验环境，验证模型效果不费劲

Computer Vision Playground ⚡️

★ 60 2026-08-09