PlanGPT-VL：用于城市规划的领域特定视觉语言模型
计算与语言
2025-05-22 v2
摘要
在城市规划领域，现有的视觉语言模型（VLM）经常无法有效分析和评估规划图，尽管这些视觉元素对城市规划师及其相关教育背景至关重要。规划图可视化土地利用、基础设施布局和功能分区，需要对空间配置、监管要求和多尺度分析进行 specialized understanding。为解决这一挑战，我们引入PlanGPT-VL，这是第一个专为城市规划图量身定制的领域特定视觉语言模型。PlanGPT-VL采用三种创新方法：(1) PlanAnno-V框架用于高质量VQA数据合成，(2) Critical Point Thinking以结构化验证减少幻觉，(3)综合训练方法结合监督微调与冻结视觉编码器参数。通过在我们提出的PlanBench-V基准上进行系统评估，我们证明PlanGPT-VL在 specialized planning map interpretation tasks中显著优于通用领域的最先进VLM，为城市规划专业人员提供了一个可靠的工具，用于地图分析、评估和教育应用，同时保持高 factual accuracy。我们的轻量级7B参数模型在性能上与超过72B参数的模型相当，表明在不牺牲性能方面实现了领域专业化。
关键词
引用
@article{arxiv.2505.14481,
title = {PlanGPT-VL: Enhancing Urban Planning with Domain-Specific Vision-Language Models},
author = {He Zhu and Junyou Su and Minxin Chen and Wen Wang and Yijie Deng and Guanhua Chen and Wenjia Zhang},
journal= {arXiv preprint arXiv:2505.14481},
year = {2025}
}