使用GPT-4o进行历史地图图例项目检测
计算机视觉与模式识别
2025-10-10 v1 人工智能
数据库
信息检索
摘要
历史地图图例是解释制图符号的关键，但其不一致的布局和非结构化格式使得自动提取具有挑战性。先前工作主要聚焦于分割或通用光学字符识别（OCR），很少有有效方法能够结构化地匹配图例符号与其相应描述。我们提出一种方法，将LayoutLMv3用于布局检测，结合GPT-4o进行上下文学习，以通过边界框预测检测并链接图例项目及其描述。我们的实验表明，GPT-4在结构化JSON提示下的表现优于基线，实现88%的F-1分数和85%的IoU，揭示了提示设计、示例数量和布局对齐对性能的影响。该方法支持可扩展的、布局感知的图例解析，提高了历史地图在各种视觉风格下的索引和检索能力。
关键词
引用
@article{arxiv.2510.08385,
title = {Detecting Legend Items on Historical Maps Using GPT-4o with In-Context Learning},
author = {Sofia Kirsanova and Yao-Yi Chiang and Weiwei Duan},
journal= {arXiv preprint arXiv:2510.08385},
year = {2025}
}