OmniGeo：迈向地理空间人工智能的多模态大语言模型
人工智能
2025-03-21 v1
摘要
多模态大语言模型（LLM）的快速发展为人工智能开辟了新前沿，使得文本、图像和空间信息等多种大规模数据类型的整合成为可能。在本文中，我们探讨了多模态大语言模型（MLLM）在地理空间人工智能（GeoAI）领域的潜力，该领域利用空间数据来应对包括地理空间语义、健康地理学、城市地理学、城市感知和遥感在内的诸多领域的挑战。我们提出了一种专为地理空间应用定制的 MLLM（OmniGeo），它能够处理和分析异构数据源，包括卫星影像、地理空间元数据和文本描述。通过结合自然语言理解与空间推理的优势，我们的模型增强了指令遵循能力并提高了 GeoAI 系统的准确性。结果表明，我们的模型在多样化的地理空间任务上优于特定任务模型和现有的 LLM，有效应对了多模态特性，并在零样本地理空间任务上取得了具有竞争力的结果。我们的代码将在论文发表后发布。
引用
@article{arxiv.2503.16326,
title = {OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence},
author = {Long Yuan and Fengran Mo and Kaiyu Huang and Wenjie Wang and Wangyuxuan Zhai and Xiaoyu Zhu and You Li and Jinan Xu and Jian-Yun Nie},
journal= {arXiv preprint arXiv:2503.16326},
year = {2025}
}
备注
15 pages, Under review