利用大型视觉语言模型从遥感影像中推断内涵环境
计算与语言
2026-05-12 v1 人工智能
计算机视觉与模式识别
新兴技术
摘要
本文探讨了利用大型语言模型（LLM）完成智慧城市任务的可能性。核心思想是利用遥感影像来表征内涵环境，包括设计建议、可构建性评估、土地利用模式以及风险识别。我们检验了多尺度遥感影像作为多模态语言建模的输入，并评估了其对内涵环境相关推理的影响。此外，我们比较了包括 InternVL 和 Qwen 在内的前沿大型语言模型在生成内涵环境建议方面的准确性和可靠性。结果表明，将遥感影像与大型语言模型相结合以协助智慧城市和决策具有潜力。
引用
@article{arxiv.2605.08404,
title = {Built Environment Reasoning from Remote Sensing Imagery Using Large Vision--Language Models},
author = {Dongdong Wang and Deepak Balakrishnan and Ravi Srinivasan and Shenhao Wang},
journal= {arXiv preprint arXiv:2605.08404},
year = {2026}
}
备注
Published in the International Conference on Industrialized Construction 2026