我要投稿
成果负责人
禹文豪，中国地质大学（武汉）地理与信息工程学院，教授，博士生导师，主要从事地图综合、空间数据挖掘及大模型等研究。（联系邮箱：yuwh@cug.edu.cn；个人网站：
http://grzy.cug.edu.cn/yuwenhao/zh_CN/index.htm）
系统演示链接
网址：https://www.bilibili.com/video/BV1dpszeoEew（点击左下“阅读原文”可直接访问）。
成果介绍
比较自然图片，地图在符号、文字注释、幅面等方面均有其特殊性，一般大模型难以理解其高度抽象的表达形式和内容，亟需建立专业的地图分析大模型与软件系统。MapReader是一个用于地图分析的大型视觉语言模型，在识别地理对象及其空间关系等方面取得了显著改进，其可提供比一般视觉语言模型更详细的地图内容描述。该模型的参数规模为17B（170亿），主要由两个核心组件构成：Vision Transformer (ViT) 编码器和预训练的大型语言模型（LLM）。ViT负责接收图像数据并将其处理为视觉特征，而LLM则利用这些视觉特征和文本嵌入生成符合要求的文本。在此过程中，我们使用EVA2-CLIP-E作为ViT编码器，Vicuna1.5-7B作为LLM。为了使模型适应地图领域，我们收集了2000对高质量的地图文本对数据进行微调。训练策略采用了LoRA微调，将LoRA应用于ViT和LLM。ViT中的附加分支通道旨在增强大模型对地图样式的理解，而LLM中的附加分支通道则专注于学习专业地图描述的风格。具体而言，LoRA被应用于ViT编码器的每个Transformer层，以及LLM中的Q、K和V矩阵和多头自注意力层。这一策略有效减少了训练所需的参数数量，从而降低了计算成本。MapReader处理的最大目标长度为2048个tokens。预训练过程在4个A100 GPU上进行。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-05-27
Dolphin-API：字节Dolphin多模态文档解析模型API化全攻略
2025-05-26
本地AI对话神奇，ChatWise到底有什么用？
2025-05-25
从BGE到 CLIP，从文本到多模态，Embedding 模型选型终极指南
2025-05-25
AI Agent到底哪家强？横评五款主流Agent
2025-05-24
AI Agent协议A2A交互细节详解
2025-05-23
技术思考:小尺寸+两阶段式多模态文档解析模型Dolphin思路评析及PP-OCRv5更新
2025-05-22
Alivia VLM：企业级视觉智能体在门店场景落地实战
2025-05-21
Gemini接管搜索、全家桶秒变通用Agent ，以及Google Glass is so back！｜直击Google I/O
2024-09-12
2024-06-14
2024-06-17
2024-08-06
2024-08-30
2024-05-30
2024-11-28
2024-10-07
2024-10-16
2024-04-21
回到顶部
粤ICP备17114055号
