PlaceSeek：通过语义基础和情感对齐对城市户外场所进行以人为中心的地理空间检索

人们不仅根据类别或功能来搜索城市户外场所，还根据一个场所可以支持哪些活动以及人们如何看待它来搜索。现有的地理空间检索在很大程度上仍然以 POI 为中心和元数据驱动，因此很难满足开放式、情感或面向活动的需求。我们提出了 PlaceSeek，一个以人为中心的户外地点检索框架，可将自然语言查询映射到地理定位的街景图像。 PlaceSeek 引入了一种意图感知检索机制，可将用户查询分解为功能和情感子意图。语义基础模块验证候选街景结果是否包含支持预期活动所需的物理证据，而情感对齐模块则使用经过人类城市感知判断训练的 LoRA 适应视觉语言模型对物理上有效的候选者进行重新排名。我们通过 5 名评估员注释的 10 个自然语言查询对米兰 31,956 个街景位置的 PlaceSeek 进行评估。 PlaceSeek 的精度为 88.0%@5，平均匹配得分为 3.39/4.0，nDCG@5 为 0.920，优于 CLIP、微调 CLIP、SigLIP 和基于 VQA 的基线。消融结果表明，物理基础对于检索有效性至关重要，而情感对齐可以提高物理有效候选者之间的排名质量。这些发现强调，复杂的城市空间查询需要对可验证的视觉证据和人类感知偏好进行建模。 PlaceSeek 为以人为本的下一代地理空间检索系统提供了一个潜在的框架。