⏶7
“咖啡馆入口看起来方便进出吗？门在哪里？”——面向视觉查询的地理空间人工智能代理
发表
由 
taesiri 提交
taesiri 提交作者: Jon E. Froehlich, Jared Hwang, Zeyu Wang, John S. O'Meara, Xia Su, William Huang, Yang Zhang, Alex Fiannaca, Philip Nelson, 
Shaun Kane
Shaun Kane摘要
交互式数字地图彻底改变了人们的旅行方式和对世界的了解；然而，它们依赖于 GIS 数据库中预先存在的结构化数据（例如，道路网络、POI 索引），这限制了它们处理有关世界外观的地理视觉问题的能力。我们提出了 Geo-Visual Agents 的愿景——多模态人工智能代理，它们能够通过分析大型地理空间图像库（包括街景（例如，Google Street View）、基于地点的照片（例如，TripAdvisor、Yelp）以及航空影像（例如，卫星照片）与传统 GIS 数据源相结合）来理解并响应有关世界的细微视觉空间查询。我们定义了我们的愿景，描述了感知和交互方法，提供了三个示例，并列举了未来工作面临的关键挑战和机遇。
> 交互式数字地图彻底改变了人们的出行方式和对世界的了解；然而，它们依赖于 GIS 数据库中的预先存在的结构化数据（例如，道路网络、POI 索引），这限制了它们解决与世界外观相关的地理视觉问题的能力。我们介绍了我们对地理视觉智能体的愿景——多模态人工智能智能体，它们通过分析大规模的地理空间图像库（包括街景（例如，谷歌街景）、基于地点的照片（例如，TripAdvisor、Yelp）和航空影像（例如，卫星照片）以及传统 GIS 数据源）来理解和响应有关世界的细微的视觉空间查询。我们定义了我们的愿景，描述了感知和交互方法，提供了三个示例，并列举了未来工作的主要挑战和机遇。