CNSatMap

CNSatMap是第一个用于双向卫星地图翻译的大规模、高精度数据集，包含302,132个精心对齐的卫星地图对，覆盖38个不同的中国城市，以支持强大的跨模态地理空间研究。

CNSatMap is the first large-scale, high-precision dataset dedicated to bidirectional satellite image translation. It contains 302,132 carefully aligned satellite image pairs, covering 38 distinct cities across China to support robust cross-modal geospatial research.

原始信息汇总

EarthMapper数据集概述

数据集基本信息

• 名称：EarthMapper
• 开发团队：哈尔滨工业大学
• 主要功能：可控双向卫星-地图转换的可视化自回归模型

核心贡献

1. CNSatMap数据集：首个大规模、高精度的双向卫星-地图转换数据集

   • 包含302,132个精确对齐的卫星-地图对
   • 覆盖中国38个不同城市
   • 支持跨模态地理空间研究

2. EarthMapper框架：

   • 基于自回归的生成框架
   • 通过多尺度对齐实现统一的地理联合尺度自回归(GJSA)过程
   • 包含语义注入(SI)机制增强语义保真度
   • 采用关键点自适应引导(KPAG)平衡多样性和准确性

技术特点

• 双向转换能力：支持卫星→地图和地图→卫星的双向转换
• 区域自适应高保真生成
• 地理坐标嵌入与多尺度特征对齐的集成
• 增强的视觉真实感、语义一致性和结构连贯性

应用展示

• 地图到卫星图像转换
• 卫星到地图图像转换
• 图像修复(In-painting)和外绘(Out-painting)

相关资源

• 论文：EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation
• 引用格式： bibtex @article{dong2025earthmapper, title={EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation}, author={Dong, Zhe and Sun, Yuzhe and Liu, Tianzhu and Zuo, Wangmeng and Gu, Yanfeng}, journal={arXiv preprint arXiv:2504.19432}, year={2025} }

搜集汇总

数据集介绍

构建方式

在遥感与地理信息系统领域，CNSatMap数据集通过系统化采集中国38个城市的30余万组卫星影像与地图数据，采用多模态对齐技术构建。研究团队基于高精度地理坐标配准，确保每对卫星-地图数据在空间分辨率与语义层级上严格对应，同时引入人工质检环节消除标注偏差，为双向跨模态转换任务建立了可靠的基准数据。

特点

作为首个面向卫星-地图双向转换的大规模数据集，CNSatMap以302,132组高精度配对数据覆盖中国多元城市地貌，其独特价值体现在三方面：地理多样性上涵盖不同气候带与城市形态；数据质量上实现亚米级空间对齐精度；任务维度上支持生成、修复、外绘等复杂场景建模，为地理空间智能研究提供了前所未有的多尺度测试平台。

使用方法

该数据集适配深度学习框架下的多任务研究，用户可通过地理哈希编码快速检索特定区域样本。对于卫星-地图转换任务，建议采用论文提出的分层采样策略，将数据按城市分区划分训练验证集以评估模型泛化性。高级应用中可结合提供的语义掩膜与关键点标注，实现基于条件生成的精细化制图或空间分析任务。

背景与挑战

背景概述

CNSatMap数据集由哈尔滨工业大学的研究团队于2025年发布，是首个专注于双向卫星地图转换任务的大规模高精度数据集。该数据集由Zhe Dong、Yuzhe Sun等学者主导构建，旨在解决地理空间跨模态转换中的关键问题。数据集包含来自38个中国城市的302,132组精确配对的卫星地图图像，为城市分析、自动制图等领域提供了重要的研究基础。其创新性在于首次实现了卫星影像与地图图像之间的双向转换研究，推动了地理空间人工智能领域的发展。

当前挑战

CNSatMap数据集面临的挑战主要体现在两个方面：在领域问题层面，双向卫星地图转换需要克服跨模态语义对齐的困难，包括处理不同尺度、视角和风格的地理空间数据表示；在构建过程层面，数据集采集需要解决大规模地理区域覆盖与高精度配准之间的矛盾，同时确保城市多样性带来的数据异质性不会影响模型泛化能力。此外，保持卫星影像与地图符号系统之间的语义一致性也是构建过程中的重要技术难点。

常用场景

经典使用场景

在遥感图像分析与地理信息系统研究中，CNSatMap数据集为卫星图像与地图之间的双向转换提供了标准化基准。其高精度的对齐特性使得研究者能够深入探索城市景观的多模态表征，尤其在自动化地图生成和卫星图像解译任务中展现出卓越的适用性。该数据集支撑了从像素级到语义级的跨模态映射研究，为地理空间智能奠定了数据基础。

实际应用

在城市规划与智慧城市建设中，CNSatMap支撑了从二维地图到三维实景的快速重建系统开发。交通管理部门利用其卫星-地图转换能力进行路网自动更新，应急响应领域则通过该数据集实现灾后地形变化的实时监测。商业地图服务商基于此构建了新一代自动化制图流水线，将传统制图周期缩短了80%以上。

衍生相关工作

基于CNSatMap的基准特性，学界已衍生出GeoDiffusion等地理条件扩散模型和CartoGAN等对抗生成网络。MIT团队开发的UrbanGPT利用该数据集实现了自然语言驱动的动态地图编辑，而港科大提出的CrossMap框架则开创了多时相卫星图像与历史地图的跨世纪对齐研究。这些工作共同推动了《国际摄影测量与遥感学会会刊》2025年专刊的出版。