VLGFM(Vision-Language Geo-Foundation Models)은 지구 관측 데이터를 처리하고 분석하도록 특별히 설계된 인공지능 모델입니다. 시각적 정보와 언어적 정보를 결합하여 공간 데이터에 대한 이해와 분석을 개선합니다. VLGFM은 이미지 설명, 이미지-텍스트 검색, 시각적 질의응답, 시각적 위치 파악 등 다중 모드 작업을 포함한 다양한 작업을 수행할 수 있습니다.

VLGFM의 개념은 논문에서 처음 소개되었습니다.시각-언어 지리적 기반 모델을 향하여: 조사"는 난양이공대학교, 센스타임, 상하이 AI 랩, 상하이 교통대학교 연구진이 공동으로 완성하고 2024년에 출판된 리뷰 논문에서 제안되었습니다. 이 논문은 VLGFM에 대한 최초의 문헌 검토입니다. VLGFM과 시각 지리 기반 모델, 그리고 시각 언어 기반 모델의 차이점을 논의하고, 기존 VLGFM의 모델 아키텍처와 일반적으로 사용되는 데이터셋을 요약합니다.