2025年DeepSeek驱动下的地图生成

DeepSeek驱动下的地图生成 艾廷华 武汉大学，资源与环境科学学院 内容 —背景：地图遇上了AI—问题：DeepSeek与地图如何融合？—答案1：DeepSeek嵌入地图制图链—答案2：地图语言自身预训练模型研发—结论：地图正在大变局 1.背景：地图遇上了AI 规划离不开地图，AI时代的地图表达各类自然要素、人文现象和人工设施的多维分布、多重属性、时空关系及其动态变化，通过实景三维产品形式提供多尺度、多类型时空信息与技术支撑。 新质生产力下地图制图面临的挑战 低空经济 新型的城市空间信息产品，提供无人飞行的地图信息服务，关注“空”、电磁讯号、气流、能见度等，非传统城市DEM可表达。 自动驾驶 新型的导航扩展信息产品，基于实时传感与既有地图位置信息的高效融合，高质量的空间推理优化，非精确度高可满足。 文创娱乐 虚实融合的游戏场景表达，具有创意的高自由度，个性化与客观性双向奔赴，非传统地图可胜任 智能化技术的颠覆 地图学中的智能化问题 AI发展史中的地图角色 不同形式的AI在地图制图的角色 AI技术的主流在大语言模型LLM 与地图（地理场景）有关的的LLM技术测试 AI绘画(Midjourney) 生成中国武汉市的地图 一张中国武汉市的普通地图，地图中包含武汉市的市区和周边区域，标注有主要街道、公共交通线路、公园、商业中心、政府机构等地点和设施。地图采用鲜艳明亮的颜色，以突出市区的繁华和生机。武汉市区的主要街道为东湖路、解放大道、黄鹤楼大街等，地图上用粗体标示以便于查找。地图上还标注有长江和汉江两大河流，以及武汉市的三大火车站和天河机场。同时，地图中还展示了武汉市的主要地标建筑，如黄鹤楼、武汉大学、光谷广场等。总的来说，这张地图展示了武汉市的主要特点和特色，可以帮助人们更好地了解这座城市。 描述一张武汉地铁轨道交通图 描述一下武汉地铁轨道交通情况，需要包含主要景点… 武汉地铁地图是连接武汉市各区的综合交通系统。该地图的特点是一个复杂的相互连接的线路网络，为通勤者提供方便的目的地，如黄鹤楼、东湖和武汉大学…… Disco Diffusion生成的“地图”作品 DeepSeek的主体功能 如何实现DeepSeek下地图生成？ 一轮驱动：运用LLM现有成熟的系统工具增强地图制图技术 在应用层面上对ChatGPT、DeepSeek、SORA、Midjourney等作扩展开发，实施地图制图技术的变革。地图智能体、服务器组件，LLaMa2/3，LangChain的开发 二轮驱动：运用AI基础模型算法开发专业化的地图语言LLM工具 在底层基于地图语言，并通过transformer、diffusion等模型的研发，研制地图语言大模型 2.方法1：地图制图链中嵌入DeepSeek 智能化地图生成器DoMapAI—整体框架 SelectciFromtableWhereciwithin between and 制图链中的地图制图知识图谱 建立混合“知识—数据—工具”的制图知识图谱，建立制图生成链 智能化地图生成器DoMapAI演示 3.方法2：地图符号语言的LLM研发 两大步骤 transformer模型，将地图语言Token化，训练生成基础模型MapGPT 2301230922912320236223302352230123092291232023622301235123752358（2）在MapGPT向量化结果上，基于GAN、GCN等生成式模型AIGC，结合图学规则、原理，在相关样本训练支持下，研发专业性的地图AIGC工具 过程一，地图语言Token化 何为Token？——LLM中处理的最小语言单位 武汉-市-长江-大桥武汉-市长-江大桥 下雨天-留客天-留我不留？下雨-天留客-天留-我-不留。 As-for-thestateofthe art-of-cartography，it-is-develop-ing-fast… LLM中的Token划分 地图语言中的Token划分 ——栅格化、实体化、分段分块、stroke…——划分单元的身份定义 地图语言Token单元的序列化 案例：土地利用数据的Token化 过程二，语料预训练、词嵌入量化 过程三，基础模型微调输出智能化功效 地图图形语言的Token化 Token化中领域知识的融入 等高线语言模型预训练数据区域 等高线预训练LLM结果（基于BERT的768维向量，7千万参量） 地图预训练模型与下游任务对接（GAN支持的地形内插重建） 地形数据Geotoken上的山水图生成(虚构地理场景，支持规划设计)——赋能游戏场景图的生成 黑神话：悟空虚实结合，创意无限 场景图生成中的虚实结合 实的：测绘地图学可视化技术 Prompt：“生成四幅具备连绵的山脉和山谷的山水景观图，地形起伏程度分别为1，0.5，0.2，0.1” 虚实结合 ——山体场景的主体特征保持、风格一致——山的微地貌、细节、渲染具有充分的创意自由度——故事、游戏情境、创作者个性需求 基于地形GeoToken数据的虚实结合场景生成 ——在实体山脉DEM提取结构线——生成结构线处的Geotoken——基于Geotoken的高逼真内插技术实施个性化山景设计（对抗网络GAN支持） 交互控制一——地形结构线重调 交互控制二——竖向高程调整 交互控制二——竖向高程调整 噪声强度（模拟自然地形起伏） 交互控制三——渲染风格调整 交互控制三——渲染风格调整 山水画风格迁移 4.结论 AI时代地图制图面临“大变局” 地图生成技术的变革——生成之“道”(形而上者)，地图语言Token化及MapGPT研究——生成之“器”(形而下者)，LLM集成智能体架构的垂类开发 地图制图人的职业变化 ——AIGC支持下的制图系统架构师——LLM技术下的生成开发师——制图操作提示工程师——地图样本标注师——地图语料喂养师 谢谢!