arXiv cs.AI· Hamid Sarmadi, Ola Hall, Thorsteinn R\"ognvaldsson, Mattias Ohlsson·· 11 小时前AI 评分31
利用 ChatGPT 多模态视觉能力按贫困等级排序卫星图像：推进社会科学研究工具
Leveraging ChatGPT's Multimodal Vision Capabilities to Rank Satellite Images by Poverty Level: Advancing Tools for Social Science Research
AI 导读
研究显示，ChatGPT 可通过成对比较方式按贫困等级对卫星图像排序，准确率与基于人类专家标注图像特征训练的模型相当，并优于此前报道的专家直接财富分类。该研究探讨了视觉 LLM 在村级贫困预测中的可解释性与可扩展性，同时提出 DHS 等公开数据集因位置坐标加噪而影响财富指数获取的可靠性问题。代码与数据已公开。
正文 · AI 翻译
摘要：本文研究了具有视觉能力的大型语言模型（LLMs）在分析卫星图像以进行村级贫困预测方面的新颖应用。尽管 LLMs 最初是为自然语言理解而设计，但其执行多模态任务（包括地理空间分析）的适应性为数据驱动研究开辟了新前沿。通过利用视觉增强 LLMs 的进展，我们评估了它们从卫星图像中提供关于人类贫困的可解释、可扩展且可靠洞察的能力。采用成对比较方法，我们证明 ChatGPT 能够根据贫困水平对卫星图像进行排序，其准确性与基于人类专家识别图像特征训练的模型相当，且优于先前报道的直接专家财富分类。这些发现既凸显了 LLMs 在社会经济研究中的前景，也揭示了其局限性，为其融入贫困评估工作流程奠定了基础。本研究有助于持续探索用于福利分析的非传统数据源，并为成本效益高的大规模贫困监测开辟了途径。我们的结果还提出了一个问题：诸如 DHS 之类的公共数据集在检索通过向位置坐标添加噪声而匿名化的财富指数方面有多可靠。本文分析所用的代码和数据已公开可用。
| 评论： | 论文和代码库中新增了额外实验，用于分析比较的质量 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2501.14546 [cs.CV] |
| （或 arXiv:2501.14546v4 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2501.14546 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hamid Sarmadi [查看邮箱]
[v1]
2025年1月24日星期五 14:49:00 UTC（11,865 KB）
[v2]
2026年7月22日星期三 15:44:08 UTC（11,827 KB）
[v3]
2026年7月28日星期二 14:57:28 UTC（11,827 KB）
[v4]
2026年11月5日星期四 15:47:58 UTC（11,834 KB）
来源：arXiv cs.AI · arxiv.org