GAIA est un ensemble de données de vision-langage mondial, multimodal et multi-échelle pour l'analyse d'images de télédétection qui vise à combler le fossé entre l'imagerie de télédétection (RS) et la compréhension du langage naturel. Il a été publié en 2025 par des chercheurs de l'Université technique nationale d'Athènes, de l'Université Harokopio d'Athènes et de l'Université technique de Munich.GAIA : un ensemble de données vision-langage mondial, multimodal et multi-échelle pour l'analyse d'images de télédétection". Il fournit 205 150 paires image-texte (41 030 images avec 5 descriptions synthétiques chacune) pour faire progresser le développement de modèles vision-langage (VLM) spécifiques à la télédétection. L'ensemble de données couvre 25 années de données d'observation de la Terre (1998-2024) couvrant un large éventail de zones géographiques, de missions satellites et de modalités de télédétection.

Structure du jeu de données

GAIA a été divisé en un ensemble d'entraînement (70%), un ensemble de test (20%) et un ensemble de validation (10%), et ces partitions sont stratifiées dans le temps et dans l'espace. Le partitionnement de l'ensemble de données est fourni sous forme de fichier JSON compatible avec l'outil img2dataset. Cette approche permet aux chercheurs d’accéder et de reconstruire de manière transparente des ensembles de données à des fins de recherche.

Chaque entrée contient un ensemble de données extraites du Web (par exemple, la source de l'image, la description de l'image, l'avis de droit d'auteur), des données extraites (par exemple, l'emplacement, les balises, la résolution, le satellite, le capteur, la modalité) ou des données générées synthétiquement (par exemple, la latitude, la longitude, la description).