論文の概要: MapQaTor: A System for Efficient Annotation of Map Query Datasets
- arxiv url: http://arxiv.org/abs/2412.21015v1
- Date: Mon, 30 Dec 2024 15:33:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-31 16:05:35.175252
- Title: MapQaTor: A System for Efficient Annotation of Map Query Datasets
- Title(参考訳): MapQaTor: Map Queryデータセットの効率的なアノテーションシステム
- Authors: Mahir Labib Dihan, Mohammed Eunus Ali, Md Rizwan Parvez,
- Abstract要約: MapQaTorは、再現可能でトレース可能なマップベースのQAデータセットの作成を合理化するWebアプリケーションである。
プラグインとプレイのアーキテクチャにより、MapQaTorは任意のMap APIとシームレスに統合できる。
- 参考スコア(独自算出の注目度): 3.3856216159724983
- License:
- Abstract: Mapping and navigation services like Google Maps, Apple Maps, Openstreet Maps, are essential for accessing various location-based data, yet they often struggle to handle natural language geospatial queries. Recent advancements in Large Language Models (LLMs) show promise in question answering (QA), but creating reliable geospatial QA datasets from map services remains challenging. We introduce MapQaTor, a web application that streamlines the creation of reproducible, traceable map-based QA datasets. With its plug-and-play architecture, MapQaTor enables seamless integration with any maps API, allowing users to gather and visualize data from diverse sources with minimal setup. By caching API responses, the platform ensures consistent ground truth, enhancing the reliability of the data even as real-world information evolves. MapQaTor centralizes data retrieval, annotation, and visualization within a single platform, offering a unique opportunity to evaluate the current state of LLM-based geospatial reasoning while advancing their capabilities for improved geospatial understanding. Evaluation metrics show that, MapQaTor speeds up the annotation process by at least 30 times compared to manual methods, underscoring its potential for developing geospatial resources, such as complex map reasoning datasets. The website is live at: https://mapqator.github.io/ and a demo video is available at: https://youtu.be/7_aV9Wmhs6Q.
- Abstract(参考訳): Google Maps、Apple Maps、Openstreet Mapsといった地図とナビゲーションサービスは、さまざまな位置情報ベースのデータにアクセスするのに不可欠だが、自然言語の地理空間的なクエリを扱うのに苦労することが多い。
近年のLarge Language Models (LLMs) の進歩は,質問応答(QA)の可能性を示唆しているが,地図サービスから信頼性の高い地理空間的QAデータセットを作成することは依然として困難である。
再現性のあるトレーサブルなマップベースのQAデータセットの作成を合理化するWebアプリケーションであるMapQaTorを紹介します。
MapQaTorのプラグイン・アンド・プレイアーキテクチャにより、任意のMap APIとのシームレスな統合が可能になり、ユーザーは最小限のセットアップでさまざまなソースからデータを収集して視覚化することができる。
APIレスポンスをキャッシュすることで、プラットフォームは一貫性のある土台真理を保証し、現実世界の情報が進化してもデータの信頼性を高める。
MapQaTorは、単一のプラットフォーム内でのデータ検索、アノテーション、可視化を集中化し、LLMベースの地理空間的推論の現在の状態を評価するユニークな機会を提供すると同時に、地理空間的理解を改善する能力を向上させる。
評価指標によると、MapQaTorは手動の手法と比較してアノテーションのプロセスを少なくとも30倍スピードアップし、複雑なマップ推論データセットのような地理空間資源を開発する可能性を示している。
https://mapqator.github.io/で、デモビデオはhttps://youtu.be/7_aV9Wmhs6Q.comで公開されている。
関連論文リスト
- Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳(メタデータ) (2025-02-19T14:21:25Z) - FlexCloud: Direct, Modular Georeferencing and Drift-Correction of Point Cloud Maps [0.7421845364041001]
SLAMから生成された点クラウドマップの自動ジオレファレンスとしてFlexCloudを提案する。
我々のアプローチは、生成されたローカルポイントクラウドマップのみを利用して、異なるSLAMメソッドでモジュール的に動作するように設計されています。
我々のアプローチは、モバイルマッピングシステムによって収集されたデータから、一貫したグローバルな参照ポイントクラウドマップの作成を可能にする。
論文 参考訳(メタデータ) (2025-02-01T10:56:05Z) - GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks [84.86699025256705]
本稿では,地理空間的タスクの視覚言語モデル(VLM)を評価するためのベンチマークであるGEOBench-VLMを提案する。
私たちのベンチマークでは、手動で検証された命令が1万以上あり、視覚条件、オブジェクトタイプ、スケールのさまざまなバリエーションをカバーしています。
地理空間内での精度を評価するために,いくつかの最先端のVLMを評価した。
論文 参考訳(メタデータ) (2024-11-28T18:59:56Z) - Leveraging Enhanced Queries of Point Sets for Vectorized Map Construction [15.324464723174533]
本稿では,オンラインベクトル化マップ構築のためのクエリ機能の向上を重視したエンドツーエンド手法であるMapQRを紹介する。
MapQR はscatter-and-gather クエリと呼ばれる新しいクエリ設計を採用している。
提案したMapQRは,最高平均精度(mAP)を達成し,nuScenesとArgoverse 2.0の両方で良好な効率を維持する。
論文 参考訳(メタデータ) (2024-02-27T11:43:09Z) - CartoMark: a benchmark dataset for map pattern recognition and 1 map
content retrieval with machine intelligence [9.652629004863364]
我々は,地図テキストアノテーション認識,地図シーン分類,地図超解像再構成,地図スタイル転送のための大規模ベンチマークデータセットを開発した。
これらの良好なラベル付きデータセットは、マップ特徴の検出、マップパターン認識、マップコンテンツ検索を行う最先端のマシンインテリジェンス技術を促進する。
論文 参考訳(メタデータ) (2023-12-14T01:54:38Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳(メタデータ) (2023-10-10T00:03:23Z) - The mapKurator System: A Complete Pipeline for Extracting and Linking
Text from Historical Maps [7.209761597734092]
mapKuratorは、マシンラーニングモデルと包括的なデータ処理パイプラインを統合するエンドツーエンドシステムである。
我々はmapKuratorシステムをデプロイし、David Rumsey Historical Mapコレクションに6万以上の地図と1億以上のテキスト/場所名の処理を可能にしました。
論文 参考訳(メタデータ) (2023-06-29T16:05:40Z) - MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。
MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。
提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
論文 参考訳(メタデータ) (2023-01-11T03:05:12Z) - MapQA: A Dataset for Question Answering on Choropleth Maps [12.877773112674506]
提案するMapQAは,60K以上の800K問合せ対の大規模データセットである。
私たちのタスクは、マップスタイルに関する表面的な質問から、基礎となるデータに基づく推論を必要とする複雑な質問まで、さまざまなレベルのマップ理解をテストします。
また、MapQAのための新しいアルゴリズム、Visual Multi-Output Data extract based QA (V-MODEQA)を提案する。
論文 参考訳(メタデータ) (2022-11-15T22:31:38Z) - AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。
我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文 参考訳(メタデータ) (2022-01-31T20:02:22Z) - OpenStreetMap: Challenges and Opportunities in Machine Learning and
Remote Sensing [66.23463054467653]
本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。
私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
論文 参考訳(メタデータ) (2020-07-13T09:58:14Z)
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。