論文の概要: Hex2vec -- Context-Aware Embedding H3 Hexagons with OpenStreetMap Tags

• arxiv url: http://arxiv.org/abs/2111.00970v1
• Date: Mon, 1 Nov 2021 14:22:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 20:21:21.868931
• Title: Hex2vec -- Context-Aware Embedding H3 Hexagons with OpenStreetMap Tags
• Title（参考訳）: Hex2vec - OpenStreetMapタグでH3ヘキサゴナルを埋め込むコンテキスト認識
• Authors: Szymon Wo\'zniak, Piotr Szyma\'nski
• Abstract要約: 都市機能と土地利用に関する地域ベクトル表現をマイクロエリアグリッドで学習するための最初のアプローチを提案する。 土地利用, 建築, 都市域の機能, 水の種類, 緑その他の自然地域の主な特徴に関連するOpenStreetMapタグのサブセットを同定する。 結果として得られるベクトル表現は、ベクトルベースの言語モデルに見られるものと同様、地図特性のセマンティック構造を示す。
• 参考スコア（独自算出の注目度）: 9.743315439284407
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Representation learning of spatial and geographic data is a rapidly developing field which allows for similarity detection between areas and high-quality inference using deep neural networks. Past approaches however concentrated on embedding raster imagery (maps, street or satellite photos), mobility data or road networks. In this paper we propose the first approach to learning vector representations of OpenStreetMap regions with respect to urban functions and land-use in a micro-region grid. We identify a subset of OSM tags related to major characteristics of land-use, building and urban region functions, types of water, green or other natural areas. Through manual verification of tagging quality, we selected 36 cities were for training region representations. Uber's H3 index was used to divide the cities into hexagons, and OSM tags were aggregated for each hexagon. We propose the hex2vec method based on the Skip-gram model with negative sampling. The resulting vector representations showcase semantic structures of the map characteristics, similar to ones found in vector-based language models. We also present insights from region similarity detection in six Polish cities and propose a region typology obtained through agglomerative clustering.
• Abstract（参考訳）: 空間的および地理的データの表現学習は、ディープニューラルネットワークを用いた領域間の類似性検出と高品質な推論を可能にする、急速に発展する分野である。 しかし過去のアプローチでは、ラスター画像(地図、通り、衛星写真)、移動データ、あるいは道路ネットワークの埋め込みに集中していた。 本稿では,マイクログリッドにおける都市機能と土地利用に関して,OpenStreetMap領域のベクトル表現を学習するための最初のアプローチを提案する。 土地利用, 建築, 都市域の機能, 水の種類, 緑その他の自然地域の主な特徴に関連するOSMタグのサブセットを同定する。 タギングの質を手作業で検証し,訓練対象都市36都市を選定した。 UberのH3インデックスは、都市を六角形に分割するために使われ、OSMタグは六角形ごとに集約された。 負サンプリングを用いたスキップグラムモデルに基づくhex2vec法を提案する。 結果として得られるベクトル表現は、ベクトルベースの言語モデルに見られるものと同様、地図特性のセマンティック構造を示す。 また, ポーランドの6都市における地域類似度検出の知見を提示し, 集積クラスタリングにより得られた地域型について提案する。

関連論文リスト

• HPix: Generating Vector Maps from Satellite Images [0.0]
  衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。 経験的評価を通じて,提案手法は高精度かつ視覚的に表現可能なベクトルタイルマップを作成する上での有効性を示す。 さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。
  論文  参考訳（メタデータ） (2024-07-18T16:54:02Z)
• Generating grid maps via the snake model [10.489493860187348]
  グリッドマップはタイルマップと呼ばれ、地理空間の可視化において重要なツールである。 地理的領域をグリッドに変換するため、コヒーレントグリッドアレンジメントを確立するために、セントロイドと境界ノードの両方の変位を必要とする。 既存のアプローチは通常、領域セントロイドと境界ノードを別々に置き換える。 本研究では,Snake変位アルゴリズムを地図一般化から適用し,領域セントロイドと境界ノードを同時に変位させる手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T02:24:39Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• R-MAE: Regions Meet Masked Autoencoders [113.73147144125385]
  我々は、自己教師付き画像表現学習のための単語の潜在的な視覚的類似として領域を探索する。 生成前トレーニングベースラインであるMasked Autoencoding (MAE) に触発されて, 画素群や領域群から学習するためのマスク付き領域オートエンコーディングを提案する。
  論文  参考訳（メタデータ） (2023-06-08T17:56:46Z)
• highway2vec -- representing OpenStreetMap microregions with respect to their road network characteristics [3.5960954499553512]
  本稿では,道路インフラストラクチャ特性に関するマイクロリージョンの埋め込みを生成する手法を提案する。 私たちは、いくつかの都市のOpenStreetMapロードネットワークをベースとしています。 地図六角形が道路網にどの程度近いかを検出するベクトル表現を得た。
  論文  参考訳（メタデータ） (2023-04-26T23:16:18Z)
• gtfs2vec -- Learning GTFS Embeddings for comparing Public Transport Offer in Microregions [8.24748878314036]
  欧州48都市を選択し、GTFSフォーマットで公共交通機関の時刻表を収集しました。 各地域における公共交通機関の可利用量と多様さを記述した機能を作成しました。 次に、同様の領域を特定するために階層的クラスタリングアプローチを使用しました。
  論文  参考訳（メタデータ） (2021-11-01T14:10:55Z)
• Region Similarity Representation Learning [94.88055458257081]
  Region similarity Representation Learning(ReSim)は、ローカリゼーションベースのタスクに対する自己監視型表現学習の新しいアプローチである。 ReSimはローカリゼーションのための地域表現とセマンティックイメージレベルの表現の両方を学びます。 競合するMoCo-v2ベースラインと比較して、ReSimがローカリゼーションと分類性能を大幅に向上させる表現をどのように学習するかを示します。
  論文  参考訳（メタデータ） (2021-03-24T00:42:37Z)
• Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
  スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。 データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
  論文  参考訳（メタデータ） (2020-12-23T21:48:47Z)
• PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image Segmentation [87.50205728818601]
  本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。 我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
  論文  参考訳（メタデータ） (2020-11-25T11:03:11Z)
• Self-supervised Video Representation Learning by Uncovering Spatio-temporal Statistics [74.6968179473212]
  本稿では,自己指導型学習問題に対処する新しい前提課題を提案する。 最大運動の空間的位置や支配的な方向など,分割的・時間的統計的な要約を連続して計算する。 ビデオフレームを入力として与えられた統計的要約を得るために、ニューラルネットワークを構築して訓練する。
  論文  参考訳（メタデータ） (2020-08-31T08:31:56Z)
• Urban2Vec: Incorporating Street View Imagery and POIs for Multi-Modal Urban Neighborhood Embedding [8.396746290518102]
  Urban2Vecは、ストリートビューイメージと関心のポイントデータの両方を組み込んだ、教師なしマルチモーダルフレームワークである。 我々は,Urban2Vecがベースラインモデルよりも優れた性能を実現し,下流予測タスクにおける完全教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2020-01-29T21:30:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。