GAIA 视觉语言遥感图像理解数据集

GAIA 是一个用于遥感图像分析的全球性、多模态、多尺度视觉-语言数据集，旨在弥合遥感 (RS) 图像与自然语言理解之间的差距，由雅典国立技术大学、雅典哈罗科皮奥大学和慕尼黑工业大学的研究人员于 2025 年发布，相关论文成果为「GAIA: A Global, Multi-modal, Multi-scale Vision-Language Dataset for Remote Sensing Image Analysis」。它提供了 205,150 对图像-文本配对（41,030 张图像，每张图像配备 5 个合成描述），以推动特定于遥感的视觉-语言模型 (VLMs) 的发展。该数据集涵盖了 25 年的地球观测数据（1998-2024 年），覆盖了多样化的地理区域、卫星任务和遥感模态。

数据集结构

GAIA 已被划分为训练集 (70%) 、测试集 (20%) 和验证集 (10%)，这些划分在时空上是分层的。数据集的划分以与 img2dataset 工具兼容的 JSON 文件形式提供。这种方法使得研究人员能够无缝访问和重建数据集，以便用于研究目的。

每个条目包含一组网络爬取的数据（例如，图像来源、图像描述、版权声明）、提取的数据（例如，位置、标签、分辨率、卫星、传感器、模态）或合成生成的数据（例如，纬度、经度、描述）。