arXiv cs.AI· Hao Li, Wenping Yin, Fabian Deuser, Jia Jia, Ziqi Liu, Levente Juh\'asz, Fan Zhang, Filip Biljecki·· 3 天前AI 评分23
基于视觉语言模型与地理空间推理的 PhotoMappers 十年众包灾害照片地理定位纵向研究
A Decade of PhotoMappers: A Longitudinal Study of Crowdsourced Disaster Photos Geolocalization with Vision-Language Models and Geospatial Reasoning
AI 导读
研究利用 PhotoMappers 十余年众包灾害影像，结合街景（SVI）与遥感影像（RSI）做跨视角地理定位，并评估视觉语言模型的地理推理能力。融合 VGI、SVI、RSI 与 Sinkhorn 重排序后达到 40.90% R@1、61.10% R@5、69.45% R@10，但年度 R@1 在 25.00% 至 65.07% 间波动。
正文 · AI 翻译
摘要：众包灾害影像在传统灾害测绘延迟或不完整时，能提供及时的地面观测，但其地理价值取决于观测在何处产生、如何被解读，以及能否被可靠定位为可操作的地理空间情报（GEOINT）。本研究利用众包灾害测绘倡议 PhotoMappers 十多年的数据，考察灾害信息地理格局的变化，并探讨新兴的 GeoAI 模型与人类地理判读相比表现如何。我们将纵向空间分析与使用街景影像（SVI）和遥感影像（RSI）的跨视角地理定位相结合，并通过涵盖地理线索和推理证据的 30 项指标评估视觉语言模型（VLM）的推理能力。结果揭示出一个在地理和时间上都不均衡的档案库，其形成受到灾害类型、社区生命线（Community Lifelines）和行动优先级变化的影响。将 VGI、SVI 和 RSI 与 Sinkhorn 重排序相结合，实现了 40.90% 的 R@1、61.10% 的 R@5 和 69.45% 的 R@10，而各年度的 R@1 从 25.00% 到 65.07% 变化显著。地理推理同样不均衡：Qwen3.6-27B 的总体一致率为 67%，而 InternVL3-8B 为 51%，两个模型在处理局部性和地点特定证据时都比处理宏观空间配置时更困难。我们认为，GeoAI 的价值不在于取代自愿地理判读，而在于补充它，在扩大候选检索规模的同时，对模糊且影响重大的案例保留人类判断。这为面向灾害测绘、更加以人为本且负责任的 GeoAI 提供了一条路径。所有数据和代码均可在 此 https URL 公开获取。
| 学科： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.15403 [cs.AI] |
| （或 arXiv:2610.15403v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15403 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Hao Li [查看电子邮件]
[v1]
2026年10月11日星期日 07:17:30 UTC（12,157 KB）
来源：arXiv cs.AI · arxiv.org