❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

1. 功能：通过图像实现街道级精度的地理定位，无需依赖 GPS。
2. 技术：基于 CLIP 技术，结合图像-文本对齐和地理匹配损失函数。
3. 应用：适用于城市管理、社交媒体、旅游导航等场景。

正文（附运行示例）

AddressCLIP 是什么

AddressCLIP 是由中科院自动化所和阿里云联合开发的端到端图像地理定位模型。它基于 CLIP 技术，能够通过一张照片实现街道级精度的定位，直接预测图像拍摄地点的可读文本地址。

与传统的图像地理定位方法不同，AddressCLIP 不依赖于复杂的 GPS 系统，而是通过图像-文本对齐和图像-地理匹配技术，将图像特征与地理空间距离相结合。模型在多个数据集上的表现优于现有的多模态模型，适用于社交媒体个性化推荐、多模态问答等场景。

AddressCLIP 的主要功能

• 端到端图像地理定位：通过一张照片实现街道级精度的定位，无需依赖复杂的 GPS 系统。
• 图像-地址文本对齐：通过改进 CLIP 的训练框架，引入多种损失函数，实现图像与地址文本的准确对齐。
• 灵活的推理能力：能够处理不同形式的候选地址文本，具有较高的灵活性和泛化性。
• 多模态结合潜力：可以与多模态大模型结合，提供更丰富的地址和地理信息相关问答服务。

AddressCLIP 的技术原理

• 数据准备与预处理：通过多模态生成模型对街景图像进行语义文本标注，并与地址文本拼接，增强语义关联。
• 改进的对比学习框架：引入图像-地址文本对比损失、图像-语义对比损失和图像-地理匹配损失，优化特征对齐。
• 流形学习与地理匹配：基于地理距离监督特征空间中的距离，使模型学到的特征空间更加均匀。
• 端到端的推理能力：通过候选地址集进行推理，灵活处理不同形式的地址文本。

如何运行 AddressCLIP

1. 环境配置

首先，确保安装了以下依赖：

python == 3.8
clip == 1.0
torch == 2.1.1
torchvision == 0.16.1
matplotlib
scikit-image
opencv

2. 数据集准备

下载并解压 Pittsburgh-250k 数据集，将其放置在 ./datasets/Pitts-IAL/ 文件夹中。

3. 训练与评估

训练和评估代码即将发布，请关注项目 GitHub 仓库获取最新更新。

资源

• 项目官网：https://addressclip.github.io
• GitHub 仓库：https://github.com/xsx1001/AddressCLIP
• arXiv 技术论文：https://arxiv.org/pdf/2407.08156

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦