数据集核心突破 - 构建了首个面向珊瑚图像理解的多模态视觉问答数据集，旨在解决珊瑚监测识别依赖人工判读的行业痛点[1] - 该数据集基于跨区域的20科67属1.28万张珊瑚图像样本，从16个维度形成了27万个问答对[1] - 与通用问答数据集相比，该数据集在视觉问答任务和生态健康评估任务上的平均准确率分别提升44%与36%[1] 技术应用与行业价值 - 将专业的生态学知识和分析识别转化为直观、结构化的信息，使非专业用户可借助多模态大模型获取专业级生态信息[1] - 用户提供珊瑚图像和问题即可自动获取科学答案，为快速、高效、精准的珊瑚监测提供了可能性[1] 未来发展路径 - 研究团队计划通过优化珊瑚知识图谱、利用多源珊瑚数据持续开展预训练等方式，进一步提高AI模型能力[1] - 未来将重点提升AI模型对珊瑚科（属）级分类、健康状态、生态关系等方面的理解能力[1]