生成式AI可通过语义分割与图像生成技术，将卫星影像自动转换为结构化矢量地图，识别道路、建筑、水域等地物，减少人工标注成本（如使用U-Net或Transformer模型）。生成式AI（如GAN、扩散模型等）和大型语言模型（LLM，如GPT系列）在地图制图领域的应用潜力巨大，正在改变传统制图方式。生成式AI与LLM正在推动地图制图从“人工主导”向“AI协同”演进，但其落地需紧密耦合地理信息科学（GIS

本文是《制图学与地理信息科学》特刊的扩展社论，系统探讨了机器学习（尤其是深度学习）在制图学中的研究进展、应用场景及挑战，并展望未来发展方向。将地图风格（符号、颜色）从一种数据源迁移至另一数据（如卫星图像生成历史风格地图）。：风格迁移、地图生成（如CycleGAN生成OpenStreetMap风格）。：制图数据（如矢量、栅格、图结构）的非结构化特性对模型设计提出挑战。挑战：需结合上下文信息，优化损失

本文是《制图学与地理信息科学》特刊的扩展社论，系统探讨了机器学习（尤其是深度学习）在制图学中的研究进展、应用场景及挑战，并展望未来发展方向。将地图风格（符号、颜色）从一种数据源迁移至另一数据（如卫星图像生成历史风格地图）。：风格迁移、地图生成（如CycleGAN生成OpenStreetMap风格）。：制图数据（如矢量、栅格、图结构）的非结构化特性对模型设计提出挑战。挑战：需结合上下文信息，优化损失