ArchiveLens：面向历史地图语义重建的生成式空间知识框架

完整中文导读

研究提出 ArchiveLens 生成式空间知识框架，把历史地图转成以实体为中心、可机器查询的地理空间数据库。流程分三步：用分块 YOLOv11-seg 提取建筑轮廓，用 HSV 颜色阈值判定建筑材料，再用受领域提示约束的量化视觉语言模型解析局部属性，并接入融合稠密语义检索与时空过滤的 ST-RAG 架构。

中文整理

作者 / 来源：Arnaud Mercier - #Entrepreneur #Versailles (@arnaudmercier) · 原文时间：2026年10月28日 01:10（北京时间）

原作者信息要点

作者Arnaud Mercier在帖中介绍论文《ArchiveLens: A Generative Spatial Knowledge Framework for Semantic Reconstruction of Historical Maps》，论文作者为Yanan Wu、Yalin Yang、Chengbin Deng（通讯作者，cdeng@ou.edu），隶属中阿肯色大学地理系、西弗吉尼亚大学地质与地理系、俄克拉何马大学空间分析中心及地理与环境可持续性系。

论文提出ArchiveLens框架，将历史地图转为以实体为中心、可机器查询的地理空间数据库，流程分三阶段：用分块YOLOv11-seg实例分割提取建筑轮廓；基于HSV颜色阈值做确定性材料分类；用受领域提示约束的量化视觉语言模型做局部属性解析。提取实体接入混合时空检索增强生成（ST-RAG）架构，结合稠密语义检索、符号化时空过滤与强制来源溯源。

案例使用芝加哥1918、1920、1923、1950年共445幅地理配准Sanborn地图，作者称框架在几何与语义精度上表现较高。数据来自Old Insurance Maps平台，原始地图由美国国会图书馆等机构数字化保存。

作者将贡献概括为三点：把历史地图中嵌入的分类体系显式化为可互操作、机器可读的空间模型；推动历史GIS从人工整理走向语料库规模的自动语义增强；提出强调来源透明与可复现的生成式AI档案空间基础设施架构。作者称方法不限于Sanborn地图，可迁移至其他标准化历史地图集。

作者指出既有数字化流程多侧重几何提取，较少捕获建筑用途、建筑材料等地图语义，形成“语义沉默”；并称现有流程常将建筑提取与属性分类割裂，缺乏回溯原始地图证据的来源链。

本站整理与观察

本站观察：材料为作者自述的论文摘要与引言，未提供具体精度数值、训练数据规模或消融实验结果，因此无法独立核验“高几何与语义精度”的表述。

本站观察：材料在方法部分被截断，分块推理参数（1024×1024像素窗口、256像素重叠步长）有明确记载，但视觉语言模型的具体型号、量化方式及ST-RAG的检索与过滤实现细节未在可见材料中展开。

本站观察：445幅地图覆盖四个年份，但各年份图幅数量分布未说明；跨年份空间模式比较的可比性需以原始论文数据为准。

材料为论文摘要、引言及部分方法章节的截取文本，正文与实验评估部分缺失，无法核实精度指标、基线对比与结论；本整理仅反映作者陈述，未做独立验证。 本文基于已读取的原文节选整理，不是全文翻译。