矢量化也要被AI取代了？微软的MARS来了...

搞 GIS 的小伙伴应该都干过矢量化的数据处理，沿着影像中的建筑和道路一个点一个点描，眼睛难受手也疼。那么现在都已经进入AI时代了，有没有更快速的方法呢？小编之前在《QGIS中使用AI插件进行自动矢量化》里介绍过相关工具，但那个工具还是有点不太行，只是锦上添花。最近小编发现微软发布了一个名为 MARS的大模型，它能从影像中直接生成 GIS 软件中使用的线、面矢量文件，今天就来介绍一下。

关于MARS

MARS 是微软推出的一款特征提取模型,该模型能够将卫星和航空影像转换为适用于地图处理的矢量 GIS 数据，输出结果不是图片，而是带类别和置信度的 GeoJSON 数据，可以加载到 QGIS、ArcGIS 中继续编辑和分析。

图：MARS 在伦敦航空影像上提取建筑、道路、铁路和水体，来源：Microsoft

传统遥感模型通常先输出栅格掩膜，再经过轮廓提取、连接、简化等步骤转成矢量，误差会逐级传递。MARS 直接学习点、线和面的坐标序列，省去了中间转换。

图：伦敦原始影像与 MARS 生成地图对比，来源：Microsoft

MARS工作原理

MARS 的生成方式和大语言模型有些相似，大语言模型根据前文逐个预测文字，MARS 则读取影像内容，再按照已有结果继续预测要素类别和下一个坐标。坐标按顺序连接起来，就能组成建筑物面、道路中心线等矢量几何。

具体来说，影像切片会先送入 GeoformerModel，配套的 CocoAutoregressiveProcessor 则负责把类别、坐标等地图信息转换成模型可以处理的序列。模型完成预测后，再把这些序列还原成 GeoJSON，其中包含几何形状、要素类别和置信度，可以直接进入后续 GIS 数据处理流程。传统方法通常先逐像素判断“哪里是建筑、哪里是道路”，得到栅格掩膜后，还要提取轮廓或中心线，再进行简化、连接和拓扑修复，MARS 跳过了“先生成栅格、再转换矢量”这一步，直接输出点、线、面的坐标，因此减少了中间转换带来的轮廓变形和精度损失。

目前官方按要素类型部署了两套模型：建筑模型处理 256×256 像素切片，主要生成建筑物面；道路和铁路模型处理 512×512 像素切片，主要生成线状路网，水体则由配套模型提取，最终可以与其他要素一起组织成地图图层。为了训练这套模型，微软整理了约 340 万个样本的 MAP-3M 数据集。

微软还展示了菲律宾马尼拉一处高密度城区的结果。面对河道、密集建筑和复杂路网，MARS 仍能生成可继续制图的建筑、道路与水体图层，效果如下。

图：马尼拉高密度城区原始影像与 MARS 生成地图对比，来源：Microsoft

MARS如何试用

论文提供了 Hugging Face 演示页，Foundry 预览版需要 Azure 订阅、GPU 配额和 Planetary Computer Pro，小编暂时没有（人）试（民）用（币），所以就没自行尝试了。

具体流程如下：

1. 登录 MARS 模型页，在 Microsoft Foundry 中部署模型。
2. 检查 GPU 配额。官方指定使用 Standard_NC24ads_A100_v4，没有配额时需要先提交申请，部署后按实际使用计费。
3. 创建 Microsoft Planetary Computer Pro，并在 GeoCatalog 中建立影像集合。
4. 导入正射校正的 RGB 影像。官方建议地面采样距离为 25–75 cm，60 cm 左右更合适；数据保存为 COG，并在 STAC 中写清 gsd、proj:epsg、eo:bands、bbox 和 geometry。
5. 通过 GeoAI SDK 调用 MARS，建议按 512×512 像素切片推理，再检查并导出矢量图层。

能取代人工矢量化吗

MARS 目前依赖 25–75 cm 的高分辨率影像，换地区、传感器或遇到阴影遮挡时效果可能下降，另外生成结果也要人工检查拓扑、偏差、属性完整性和坐标系等。因为没有实际测试，小编暂时无法得出结论，如果按官网给出的精度，相关的矢量化工作可以使用 MARS 先自动化跑一次，然后再人工集中处理。不过相对传统的矢量化工作来讲，也可以极大的压缩时间和人工成本了。当然按目前国内数据处理的的工资水平，和AI对比哪个贵还真说不定呢（手动狗头）

最后，涉及国内数据时，请一定要注意保密规定，涉密数据更不能直接送到境外云服务。有用过的小伙伴也欢迎留言讨论。

参考

1. AI-Enabled Map Production Using Microsoft's MARS Model：https://techcommunity.microsoft.com/blog/microsoft-planetary-computer-blog/ai-enabled-map-production-using-microsofts-mars-model/4542498
2. MARS - Microsoft Foundry Labs：https://labs.ai.azure.com/innovations/mars/
3. MARS 模型页：https://ai.azure.com/catalog/models/mars-map-autoregressive
4. MARS - A Foundational Map Auto-Regressor：https://openreview.net/forum?id=QV4sV5cbLl
5. Manage and increase quotas for resources：https://learn.microsoft.com/en-us/azure/foundry/how-to/quota
6. MAP-3M 数据集：https://huggingface.co/datasets/bag-lab/MAP-3M