# AddressCLIP – 中科院联合阿里云推出的端到端图像地理定位大模型

- Link: https://paooo.com/aigc-news/23247/
- Published: 2026-06-09T11:37:01+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 中科院自动化所与阿里云联合开发，AddressCLIP 可直接从照片预测可读文本地址。
 * 通过图像-地址文本、图像-语义与图像-地理匹配三重损失，提升定位精度与泛化能力。
 * 除街道级定位外，还可结合多模态[大模型](https://paooo.com/ai-study/)，拓展到城市
   助手、推荐与地理问答场景。

## AddressCLIP是什么

AddressCLIP 是基于 CLIP 技术构建的端到端图像地理定位模型，中科院自动化所和阿里云
联合开发。模型能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，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。AddressCLIP 可以应用于社交媒体的个性化推荐以及与多模态
大模型结合进行更丰富的地址和地理信息相关问答。

阅读目录

 * [AddressCLIP是什么](https://paooo.com/aigc-news/23247/#addressclip%e6%98%af%e4%bb%80%e4%b9%88)
 * [AddressCLIP的主要功能](https://paooo.com/aigc-news/23247/#addressclip%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [AddressCLIP的技术原理](https://paooo.com/aigc-news/23247/#addressclip%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [AddressCLIP的项目地址](https://paooo.com/aigc-news/23247/#addressclip%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [AddressCLIP的应用场景](https://paooo.com/aigc-news/23247/#addressclip%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![AddressCLIP – 中科院联合阿里云推出的端到端图像地理定位大模型 - 配图](https://paooo.
com/wp-content/uploads/2026/06/AddressCLIP-website-1.avif)

## AddressCLIP的主要功能

 * **端到端图像地理定位**：模型能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。通过图像与地址文本的对齐，将图像特征与地理信息相结合。
 * **图像-地址文本对齐**：通过改进 CLIP 的训练框架，引入图像-地址文本对比损失、图像-
   语义对比损失以及图像-地理匹配损失，实现准确、均匀的图像-地址文本对齐。
 * **灵活的推理能力**：在推理过程中，AddressCLIP 能处理不同形式的候选地址文本，不仅
   限于训练集中的书写规则。模型在实际应用中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，进行更丰富的地址和地理信息相关问答，
   提供智能的城市和地理助手服务。

## AddressCLIP的技术原理

 * **数据准备与预处理**：研究人员首先通过多模态生成模型（如 BLIP）对街景图像进行
   语义文本的自动化标注，然后将这些语义文本与地址文本进行拼接，以弥补图像与地址文本
   之间语义关联的不足。
 * **改进的对比学习框架**：AddressCLIP 对 CLIP 的训练框架进行了改进，引入了三种损失
   函数：图像-地址文本对比损失、图像-语义对比损失以及图像-地理匹配损失。这些损失
   函数帮助模型更好地对齐图像特征和地址文本特征。
 * **流形学习与地理匹配**：受到流形学习的启发，模型假设在真实地理环境中距离相近的
   两个点，其地址与图像特征在特征空间也应当接近。通过基于图像之间的地理距离来监督
   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**：经过训练后，AddressCLIP 能通过给定的候选地址集进行推理，
   识别出图像的拍摄地点。由于模型在训练中对图像与地址进行了良好的对齐，因此在推理
   时可以灵活处理不同形式的候选地址文本。

## AddressCLIP的项目地址

 * **项目官网**：[https://addressclip.github.io](https://addressclip.github.io/?utm_source=ai-bot.cn)
 * **Github仓库**：[https://github.com/xsx1001/AddressCLIP](https://github.com/xsx1001/AddressCLIP)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2407.08156](https://arxiv.org/pdf/2407.08156)

## AddressCLIP的应用场景

 * **城市管理和规划**：在城市巡查和管理中，工作人员可以通过拍摄照片，用 AddressCLIP
   快速识别出照片的具体地址信息。有助于提高城市管理的效率。
 * **社交媒体和新闻报道**：在社交媒体平台上，用户可以上传照片，AddressCLIP 可以自动
   识别照片的拍摄地点，提供详细的地址信息。
 * **旅游和导航**：在旅游领域，游客可以通过拍摄景点照片，用 AddressCLIP 获取景点
   的详细地址和相关信息，更好地规划行程和导航。
 * **基于位置的个性化推荐**：结合多模态大模型，AddressCLIP 可以用于社交媒体等平台
   的基于位置的个性化内容推荐。
 * **智能城市和地理助手**：可以与多模态大模型结合，提供更加智能的城市和地理助手服务，
   帮助用户进行地址和地理信息相关的问答。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**中科院 ↗**

中科院：国家最高学术机构，面向AI 综合应用场景提供便捷实用的在线功能支持。

❓ 常见问题解答（FAQ）

AddressCLIP 是什么？

AddressCLIP 是基于 CLIP 构建的端到端图像地理定位模型，由中科院自动化所和阿里云联合
开发。它能根据一张照片直接预测拍摄地点的可读文本地址，定位精度可达街道级。

AddressCLIP 和传统图像定位方法有什么区别？

传统方法往往依赖复杂的 GPS 或多阶段检索流程，而 AddressCLIP 通过图像-文本对齐和图像-
地理匹配直接完成定位。它更强调端到端推理，并能灵活处理不同形式的候选地址文本。

AddressCLIP 可以用在哪些场景？

它适合城市管理、社交媒体图片定位、旅游导航和基于位置的个性化推荐等场景。还可以与
多模态大模型结合，扩展为地址和地理信息相关的智能问答助手。

🔬 语宙深潜追问 · 进阶实操拆解

AddressCLIP最适合接入哪些业务？

最适合做城市管理、旅游导览、线索核验和地理问答等“辅助定位”场景。它不一定替代GPS，
但能在缺少定位权限、弱信号或图片来源复杂时，提供更强的语义级地址推断。

图像地理定位如何提升可解释性？

要把模型输出拆成候选区域、视觉证据和置信度分层展示，而不是只给一个地址。再结合街景
特征、地标匹配和检索结果，能让用户知道“为什么是这里”，也更便于人工校验。

🗳️ 读者观点微投票 · 您的实战立场是？

不用GPS做街景定位，真能替代导航吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [苹果MobileCLIP2开源：性能飙升2.2%，引领端侧多模态AI革命](https://paooo.com/aigc-news/13894/)
 * [SpatialClaw – 英伟达联合 KAIST 推出的免训练空间推理框架](https://paooo.com/aigc-news/24256/)
 * [SpatialLM – 群核科技开源的空间理解多模态模型](https://paooo.com/aigc-news/20879/)
 * [云从科技「从容大模型」多模态AI重磅发布：权威评测登顶，超越谷歌OpenAI，赋能金融医疗等多领域](https://paooo.com/aigc-news/15030/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/23247/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
