論文の概要: PEACE: Empowering Geologic Map Holistic Understanding with MLLMs
- arxiv url: http://arxiv.org/abs/2501.06184v1
- Date: Fri, 10 Jan 2025 18:59:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-13 15:26:38.084799
- Title: PEACE: Empowering Geologic Map Holistic Understanding with MLLMs
- Title（参考訳）: PEACE: MLLMによる地質図の全体的理解の強化
- Authors: Yangyu Huang, Tianyi Gao, Haoran Xu, Qihao Zhao, Yang Song, Zhipeng Gui, Tengchao Lv, Hao Chen, Lei Cui, Scarlett Li, Furu Wei,
- Abstract要約: 地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。
その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。
このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
- 参考スコア（独自算出の注目度）: 64.58959634712215
- License:
- Abstract: Geologic map, as a fundamental diagram in geology science, provides critical insights into the structure and composition of Earth's subsurface and surface. These maps are indispensable in various fields, including disaster detection, resource exploration, and civil engineering. Despite their significance, current Multimodal Large Language Models (MLLMs) often fall short in geologic map understanding. This gap is primarily due to the challenging nature of cartographic generalization, which involves handling high-resolution map, managing multiple associated components, and requiring domain-specific knowledge. To quantify this gap, we construct GeoMap-Bench, the first-ever benchmark for evaluating MLLMs in geologic map understanding, which assesses the full-scale abilities in extracting, referring, grounding, reasoning, and analyzing. To bridge this gap, we introduce GeoMap-Agent, the inaugural agent designed for geologic map understanding, which features three modules: Hierarchical Information Extraction (HIE), Domain Knowledge Injection (DKI), and Prompt-enhanced Question Answering (PEQA). Inspired by the interdisciplinary collaboration among human scientists, an AI expert group acts as consultants, utilizing a diverse tool pool to comprehensively analyze questions. Through comprehensive experiments, GeoMap-Agent achieves an overall score of 0.811 on GeoMap-Bench, significantly outperforming 0.369 of GPT-4o. Our work, emPowering gEologic mAp holistiC undErstanding (PEACE) with MLLMs, paves the way for advanced AI applications in geology, enhancing the efficiency and accuracy of geological investigations.
- Abstract（参考訳）: 地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。
これらの地図は、災害検出、資源探査、土木工学など、様々な分野で欠かせないものである。
その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。
このギャップは主に、高解像度マップの処理、複数の関連するコンポーネントの管理、ドメイン固有の知識の要求など、地図一般化の難しさに起因する。
このギャップを定量化するために,GeoMap-Benchは地質地図理解におけるMLLMの評価のための最初のベンチマークであり,抽出,参照,接地,推論,解析におけるフルスケールの能力を評価する。
このギャップを埋めるため,GeoMap-Agentは,階層的情報抽出(HIE),ドメイン知識注入(DKI),Prompt-enhanced Question Answering(PEQA)の3つのモジュールを特徴とする地質地図理解のための初歩的なエージェントである。
人間の科学者による学際的なコラボレーションにインスパイアされたAI専門家グループは、さまざまなツールプールを使用して、質問を包括的に分析する。
総合的な実験を通じて、GeoMap-AgentはGeoMap-Benchで0.811のスコアを獲得し、GPT-4oの0.369を上回った。
我々の研究は、地質学的mApholistiC undErstanding (PEACE)とMLLMを併用し、地質学における先進的なAI応用の道を開き、地質調査の効率性と精度を高める。
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) - MapEval: A Map-Based Evaluation of Geo-Spatial Reasoning in Foundation Models [7.422346909538787]
地理空間的推論を用いて,多種多様かつ複雑なマップベースのユーザクエリを評価するためのベンチマークであるMapEvalを紹介する。
MapEvalは、180の都市と54の国にまたがる場所に関する700の独特な複数の質問で構成されている。
我々の詳細な分析は、現在のモデルの長所と短所に関する洞察を提供するが、すべてのモデルは、平均して20%以上の人的性能に欠ける。
このギャップは、地理的空間的理解を強くした汎用基盤モデルの推進におけるMapEvalの重要な役割を強調している。
論文 参考訳（メタデータ） (2024-12-31T07:20:32Z) - A comprehensive GeoAI review: Progress, Challenges and Outlooks [0.0]
Geospatial Artificial Intelligence (GeoAI)は、最も関連性の高い研究と産業応用で注目を集めている。
本稿では,地理空間データに人工知能(AI)手法とモデルを適用した相乗的概念としてGeoAIを包括的にレビューする。
論文 参考訳（メタデータ） (2024-12-16T10:41:02Z) - Artificial Intelligence Studies in Cartography: A Review and Synthesis
of Methods, Applications, and Ethics [4.665390376528911]
我々はGeoAIと地図学を統合した研究の体系的な内容分析と物語合成を行う。
データソース,データフォーマット,マップ評価,および6つの現代GeoAIモデルなどの地図作成のためのGeoAI手法の次元を同定する。
地図学におけるGeoAIの統合に対処する必要がある5つの倫理的課題を提起する。
論文 参考訳（メタデータ） (2023-12-13T05:15:57Z) - 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) - Are Large Language Models Geospatially Knowledgeable? [21.401931052512595]
本稿では,Large Language Models (LLM) で符号化された地理空間的知識,認識,推論能力の程度について検討する。
自己回帰言語モデルに焦点をあて, (i) 地理座標系におけるLLMの探索と地理空間知識の評価, (ii) 地理空間的および非地理空間的前置法を用いて地理空間的意識を測定する, (iii) 多次元スケーリング(MDS) 実験を用いて, モデルの地理空間的推論能力を評価する, 実験手法を考案した。
論文 参考訳（メタデータ） (2023-10-09T17:20:11Z) - K2: A Foundation Language Model for Geoscience Knowledge Understanding
and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。
我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文 参考訳（メタデータ） (2023-06-08T09:29:05Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳（メタデータ） (2023-05-11T03:21:56Z) - GeoFault: A well-founded fault ontology for interoperability in
geological modeling [0.0]
本稿では,GeoFault, resting on the Basic Ontology BFO (Arp et al., 2015) and the GeoCore (Garcia et al., 2020)について述べる。
地質断層に関する知識をモデル化する。
断層は様々な産業に欠かせないが、モデル化には不可欠である。
BFOとGeoCoreへの参照は、クラスを定義するためにこれらの様々な要素を割り当てることを可能にする。
論文 参考訳（メタデータ） (2023-02-14T14:20:13Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z)
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。