RS5M データセットには、英語の説明が付いた 500 万枚のリモート センシング画像が含まれています。このデータセットは、事前にトレーニングされた VLM を使用して、公開されている画像とテキストのペアのデータセットとラベル付けされた RS データセットをフィルタリングすることによって取得されます。これらは、最初の大規模な RS 画像とテキストのペア データセットを構成します。