論文の概要: highway2vec -- representing OpenStreetMap microregions with respect to
their road network characteristics
- arxiv url: http://arxiv.org/abs/2304.13865v1
- Date: Wed, 26 Apr 2023 23:16:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 14:54:20.504040
- Title: highway2vec -- representing OpenStreetMap microregions with respect to
their road network characteristics
- Title（参考訳）: highway2vec -- 道路ネットワーク特性に関するOpenStreetMapマイクロリージョンを表す
- Authors: Kacper Le\'sniara, Piotr Szyma\'nski
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.5960954499553512
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recent years brought advancements in using neural networks for representation
learning of various language or visual phenomena. New methods freed data
scientists from hand-crafting features for common tasks. Similarly, problems
that require considering the spatial variable can benefit from pretrained map
region representations instead of manually creating feature tables that one
needs to prepare to solve a task. However, very few methods for map area
representation exist, especially with respect to road network characteristics.
In this paper, we propose a method for generating microregions' embeddings with
respect to their road infrastructure characteristics. We base our
representations on OpenStreetMap road networks in a selection of cities and use
the H3 spatial index to allow reproducible and scalable representation
learning. We obtained vector representations that detect how similar map
hexagons are in the road networks they contain. Additionally, we observe that
embeddings yield a latent space with meaningful arithmetic operations. Finally,
clustering methods allowed us to draft a high-level typology of obtained
representations. We are confident that this contribution will aid data
scientists working on infrastructure-related prediction tasks with spatial
variables.
- Abstract（参考訳）: 近年、様々な言語や視覚現象の表現学習にニューラルネットワークを使うことが進歩している。
新しい手法により、データサイエンティストは共通タスクのための手作り機能から解放された。
同様に、空間変数を考える必要のある問題は、タスクの解決に必要な機能テーブルを手動で作成する代わりに、事前訓練されたマップ領域表現の恩恵を受けることができる。
しかし、特に道路網の特性に関して、地図領域表現の手法はごくわずかである。
本稿では,道路のインフラ特性に関して,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。
都市選択におけるOpenStreetMapロードネットワークをベースとし,H3空間指標を用いて再現性とスケーラブルな表現学習を実現する。
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。
さらに、埋め込みは有意義な算術演算を持つ潜在空間をもたらすことを観測する。
最後に、クラスタリングにより、得られた表現の高レベルな型を作成できる。
この貢献が、インフラストラクチャ関連の予測タスクと空間変数に取り組むデータサイエンティストに役立つと確信しています。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - Mapping High-level Semantic Regions in Indoor Environments without
Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。
地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。
グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文 参考訳（メタデータ） (2024-03-11T18:09:50Z) - Graph representation learning for street networks [0.0]
ストリートネットワークは、私たちの都市における異なる時間的および出現に関する貴重な情報ソースを提供する。
これまでの研究では、学習アルゴリズムによって元のデータの表現が作成できることが示されている。
本稿では,街路ネットワークから直接優れた表現を推測できるモデルを提案する。
論文 参考訳（メタデータ） (2022-11-09T16:02:28Z) - Scalable Self-Supervised Representation Learning from Spatiotemporal
Motion Trajectories for Multimodal Computer Vision [0.0]
本稿では,GPSトラジェクトリから地理的位置の表現を学習するための自己教師付きラベルなし手法を提案する。
到達可能性埋め込みは意味論的に意味のある表現であり,精度・リコール曲線(AUPRC)測定値の領域を用いて測定すると,性能が4～23%向上することを示す。
論文 参考訳（メタデータ） (2022-10-07T02:41:02Z) - A singular Riemannian geometry approach to Deep Neural Networks II.
Reconstruction of 1-D equivalence classes [78.120734120667]
入力空間における出力多様体内の点の事前像を構築する。
我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
論文 参考訳（メタデータ） (2021-12-17T11:47:45Z) - Hex2vec -- Context-Aware Embedding H3 Hexagons with OpenStreetMap Tags [9.743315439284407]
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。
論文 参考訳（メタデータ） (2021-11-01T14:22:53Z) - Reachability Embeddings: Scalable Self-Supervised Representation
Learning from Markovian Trajectories for Geospatial Computer Vision [0.0]
ラベルのないGPSトラジェクトリから地理的位置の表現を学習するための自己教師付き手法を提案する。
スケーラブルで分散されたアルゴリズムは、リーチビリティ・サマリーと呼ばれるイメージライクな表現を計算するために提示される。
到達可能性埋め込みは意味的に意味のある表現であり、結果として性能が4～23%向上することを示す。
論文 参考訳（メタデータ） (2021-10-24T20:10:22Z) - Neural-Pull: Learning Signed Distance Functions from Point Clouds by
Learning to Pull Space onto Surfaces [68.12457459590921]
3次元点雲から連続曲面を再構成することは、3次元幾何処理の基本的な操作である。
textitNeural-Pullは、シンプルで高品質なSDFを実現する新しいアプローチです。
論文 参考訳（メタデータ） (2020-11-26T23:18:10Z) - Quiver Signal Processing (QSP) [145.6921439353007]
キーバー表現に関する信号処理フレームワークの基礎を述べる。
ネットワークにおける異種多次元情報を扱うための信号処理フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-22T08:40:15Z) - Region Comparison Network for Interpretable Few-shot Image
Classification [97.97902360117368]
新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。
本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。
また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
論文 参考訳（メタデータ） (2020-09-08T07:29:05Z)
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。