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。

AddressCLIP – 中科院联合阿里云推出的端到端图像地理定位大模型 第1张
（图片来源网络，侵删）
AddressCLIP – 中科院联合阿里云推出的端到端图像地理定位大模型 第2张
（图片来源网络，侵删）