Awesome-Remote-Sensing-Multimodal-Large-Language-Model

一库看全遥感多模态大模型论文、数据与评测

这是一个面向遥感领域的多模态大语言模型（RS-MLLMs）综述型资源库，系统梳理了将视觉、文本等多模态信息与大语言模型结合用于遥感图像理解的研究进展。它解决的核心问题是：遥感数据模态多样（光学、SAR、高光谱、文本描述等），研究者难以快速掌握该交叉方向的全貌、数据集、评测基准和代表方法。项目以论文列表、分类体系、方法对比等形式，汇总了 RS-MLLMs 的任务类型（如图像描述、视觉问答、目标检测、变化检测）、常用数据集与评测指标，并跟踪最新工作。对想进入遥感+多模态大模型方向的研究者，它提供了入门地图和持续更新的文献索引，便于定位关键论文、对比技术路线、发现研究空白，也方便工程人员了解可落地的模型与数据资源。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 410

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队ZhanYang-nwpu

所属国家

官网地址

GitHubhttps://github.com/ZhanYang-nwpu/Awesome-Remote-Sensing-Multimodal-Large-Language-Model

定价模式free

价格说明开源免费资源列表

访问状态

是否开源是

开源协议

主要语言

技术栈/模型

GitHub 星标★ 410

30天Star增速

HF 下载量

上线时间2024-01-11 00:00:00

最近更新2026-09-15 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-15

浏览次数0

使用教程

核心亮点

按任务、数据集、方法分类整理，便于快速定位遥感多模态大模型的关键论文
覆盖图像描述、VQA、检测、变化检测等多类遥感任务，横向对比清晰
持续跟踪最新 RS-MLLMs 工作，可作为该交叉方向的文献索引与入门地图

不足之处

以论文列表和综述为主，缺少可运行代码或统一评测框架
社区规模较小，更新频率与内容完整性依赖维护者投入

适用场景

研究生选题前调研遥感多模态大模型研究现状
算法工程师为遥感图像理解任务选型与找数据集
论文作者撰写 related work 时快速检索同类方法

替代项目

Awesome-Remote-Sensing、Awesome-Multimodal-Large-Language-Models

项目介绍

Awesome-Remote-Sensing-Multimodal-Large-Language-Model 是一个搜索知识领域的开源项目，官方简介：Multimodal Large Language Models for Remote Sensing (RS-MLLMs): A Survey。项目使用未知开发，在 GitHub 上获得 409 星标。

上一篇：kindly-web-search-mcp-server

下一篇：deep-research-web-ui