ArchiveLens: A Generative Spatial Knowledge Framework for Semantic Reconstruction of Historical Maps· 用于历史地图语义重建的生成式空间知识框架
Historical maps contain dense morphological and semantic information about past urban environments, but many digitization workflows focus primarily on extracting geometry, and do not capture cartographic semantics such as building use and construction materials. This study introduces ArchiveLens, a generative spatial knowledge framework that operationalizes historical maps as entity-centric, machine-queryable geospatial databases. The pipeline decouples morphological and semantic reconstruction through three stages: tiled YOLOv11-seg instance segmentation for building footprint extraction; deterministic material classification via hue, saturation, and value (HSV)-based color thresholds; and localized attribute parsing using a quantized vision-language model constrained by domain-specific p
提出 ArchiveLens 框架，用于历史地图的语义重建。
- 核心方法
- 通过三阶段流程：YOLOv11-seg 实例分割提取建筑物轮廓，基于HSV颜色阈值的材料分类，以及使用领域特定约束的量化视觉-语言模型进行局部属性解析。
- 适合谁读
- 适合历史地理、城市规划、AI研究者及数字人文领域的从业者阅读。
- 要解决的问题
- 解决历史地图数字化过程中语义信息（如建筑物用途和材料）缺失的问题。
- 关键实验
- 在多个历史地图数据集上进行了实验，验证了模型的有效性和准确性。
- 主要贡献
- 首次将历史地图转化为实体为中心的、可机器查询的地理空间数据库，提高了历史地图的利用价值。
- 意义与局限
- 意义在于提升历史地图的研究和应用水平，提供了一种新的数字人文方法；局限性可能包括对特定时期或地区的适用性有限。