自然语言驱动的火星地貌全球制图
人工智能
2026-01-23 v1 天体物理仪器与方法
摘要
行星表面通常使用自然语言中的高层语义概念进行分析，然而海量的轨道图像档案仍以像素级别进行组织。这种不匹配限制了对行星表面进行可扩展的、开放式的探索。在此，我们提出 MarScope，一个行星尺度的视觉-语言框架，能够实现自然语言驱动的、无标签的火星地貌制图。MarScope 在共享的语义空间中对齐行星图像和文本，并在超过 200,000 个精心整理的图像-文本对上进行了训练。该框架通过用灵活的语义检索取代预定义的分类，改变了火星上的全球地貌制图，使用户能够在 5 秒内对整个行星进行任意查询，F1 分数高达 0.978。应用进一步表明，它超越了形态分类，能够在行星尺度上促进面向过程的分析和基于相似性的地貌制图。MarScope 建立了一种新范式，使自然语言成为在海量地理空间数据集上进行科学发现的直接接口。
引用
@article{arxiv.2601.15949,
title = {Natural Language-Driven Global Mapping of Martian Landforms},
author = {Yiran Wang and Shuoyuan Wang and Zhaoran Wei and Jiannan Zhao and Zhonghua Yao and Zejian Xie and Songxin Zhang and Jun Huang and Bingyi Jing and Hongxin Wei},
journal= {arXiv preprint arXiv:2601.15949},
year = {2026}
}