연구진은 적외선 원격 감지 이미지 이해를 위한 대규모 데이터셋 MonoIR-RS를 공개했어요. MonoIR-RS는 CLIP 스타일의 대조 학습과 VLM 명령어 튜닝을 결합하여 적외선 이미지와 언어 간의 연결을 강화했어요. 실험 결과, IR 인식 적응은 CLIP의 평균 리콜을 최대 12.8포인트 향상시키고 VLM 캡셔닝의 적외선 단서 적용률을 100%로 끌어올렸어요.