Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.15752

帮助 | 高级搜索

计算机科学 > 人机交互

arXiv:2508.15752 (cs)
[提交于 2025年8月21日 ]

标题: “咖啡馆入口看起来可以进入吗? 门在哪里?” 面向视觉询问的地理空间人工智能代理

标题: "Does the cafe entrance look accessible? Where is the door?" Towards Geospatial AI Agents for Visual Inquiries

Authors:Jon E. Froehlich, Jared Hwang, Zeyu Wang, John S. O'Meara, Xia Su, William Huang, Yang Zhang, Alex Fiannaca, Philip Nelson, Shaun Kane
摘要: 交互式数字地图彻底改变了人们旅行和了解世界的方式;然而,它们依赖于GIS数据库中的现有结构化数据(例如,道路网络、兴趣点索引),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。 我们提出了Geo-Visual Agents的愿景——一种多模态AI代理,能够通过分析大规模地理空间图像库(包括街道景观(例如,Google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,来理解和回应关于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,并列出了未来工作的关键挑战和机遇。
摘要: Interactive digital maps have revolutionized how people travel and learn about the world; however, they rely on pre-existing structured data in GIS databases (e.g., road networks, POI indices), limiting their ability to address geo-visual questions related to what the world looks like. We introduce our vision for Geo-Visual Agents--multimodal AI agents capable of understanding and responding to nuanced visual-spatial inquiries about the world by analyzing large-scale repositories of geospatial images, including streetscapes (e.g., Google Street View), place-based photos (e.g., TripAdvisor, Yelp), and aerial imagery (e.g., satellite photos) combined with traditional GIS data sources. We define our vision, describe sensing and interaction approaches, provide three exemplars, and enumerate key challenges and opportunities for future work.
评论: 被ICCV'25研讨会“视觉基础模型与生成式人工智能在无障碍领域的挑战与机遇”接受
主题: 人机交互 (cs.HC) ; 人工智能 (cs.AI); 计算机视觉与模式识别 (cs.CV)
ACM 类: H.5; I.2
引用方式: arXiv:2508.15752 [cs.HC]
  (或者 arXiv:2508.15752v1 [cs.HC] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.15752
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jon Froehlich [查看电子邮件]
[v1] 星期四, 2025 年 8 月 21 日 17:49:52 UTC (2,314 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI
cs.HC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号