AI的盲点：生成城市情景中的地理知识与多样性缺失
人工智能
2025-06-23 v1 计算机视觉与模式识别
计算机与社会
摘要
图像生成模型正在革新多个领域，城市分析与设计亦不例外。尽管此类模型广泛采用，但文献中探讨其地理知识及嵌入偏见的研究仍有限。本文使用 FLUX 1 和 Stable Diffusion 3.5 两种最先进的图像生成模型，为美国各州及其首府生成各150张合成图像。我们采用 DINO-v2 ViT-S/14 嵌入模型，并利用Fréchet Inception Distance测量生成图像之间的相似性。我们发现，尽管这些模型隐式学习了美国地理的某些方面，但当提示词生成“United States”而非具体城市或州时，模型对大都市区的代表性偏见较强，排除了农村州及小城市。在此基础上，我们发现模型在处理欧洲 sounding 名称如Frankfort或Devon时存在系统性的实体消歧问题。
引用
@article{arxiv.2506.16898,
title = {AI's Blind Spots: Geographic Knowledge and Diversity Deficit in Generated Urban Scenario},
author = {Ciro Beneduce and Massimiliano Luca and Bruno Lepri},
journal= {arXiv preprint arXiv:2506.16898},
year = {2025}
}