論文の概要: Boundary Prompting: Elastic Urban Region Representation via Graph-based Spatial Tokenization
- arxiv url: http://arxiv.org/abs/2503.07991v1
- Date: Tue, 11 Mar 2025 02:49:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 15:44:13.809865
- Title: Boundary Prompting: Elastic Urban Region Representation via Graph-based Spatial Tokenization
- Title（参考訳）: 境界プロンプト:グラフに基づく空間的トークン化による弾性都市域表現
- Authors: Haojia Zhu, Jiahui Jin, Dong Kan, Rouxi Shen, Ruize Wang, Xiangguo Sun, Jinghui Zhang,
- Abstract要約: 境界 Prompting Urban Region Representation Framework (BPURF) は、弾力性のある都市領域の定義を可能にする新しいアプローチである。
BPURFは空間トークン辞書と領域トークンセット表現モデルという2つのキーコンポーネントから構成される。
このフレームワークは、境界プロンプト、異なる領域境界のサポート、異なるタスクへの適応を通じて、都市領域の定義を可能にする。
- 参考スコア（独自算出の注目度）: 4.638735746777273
- License:
- Abstract: Urban region representation is essential for various applications such as urban planning, resource allocation, and policy development. Traditional methods rely on fixed, predefined region boundaries, which fail to capture the dynamic and complex nature of real-world urban areas. In this paper, we propose the Boundary Prompting Urban Region Representation Framework (BPURF), a novel approach that allows for elastic urban region definitions. BPURF comprises two key components: (1) A spatial token dictionary, where urban entities are treated as tokens and integrated into a unified token graph, and (2) a region token set representation model which utilize token aggregation and a multi-channel model to embed token sets corresponding to region boundaries. Additionally, we propose fast token set extraction strategy to enable online token set extraction during training and prompting. This framework enables the definition of urban regions through boundary prompting, supporting varying region boundaries and adapting to different tasks. Extensive experiments demonstrate the effectiveness of BPURF in capturing the complex characteristics of urban regions.
- Abstract（参考訳）: 都市域の表現は、都市計画、資源配分、政策開発など様々な用途に欠かせない。
従来の手法は、固定された未定義の領域境界に依存しており、実際の都市部の動的で複雑な性質を捉えていない。
本稿では, 弾力性のある都市域定義を実現するための新しい手法, BPURF(Boundary Prompting Urban Region Representation Framework)を提案する。
BPURFは,(1)都市実体をトークンとして扱い,統一されたトークングラフに統合する空間トークン辞書,(2)トークン集約を利用する領域トークンセット表現モデルと,(2)領域境界に対応するトークンセットを埋め込むマルチチャネルモデルである。
さらに,トレーニングおよびプロンプト中のオンライントークンセット抽出を可能にする高速トークンセット抽出戦略を提案する。
このフレームワークは、境界プロンプトを通じて都市領域の定義を可能にし、異なる領域の境界をサポートし、異なるタスクに適応する。
都市域の複雑な特徴を捉える上で, BPURFの有効性を実証した。
関連論文リスト
- Origin-Destination Demand Prediction: An Urban Radiation and Attraction Perspective [47.472045876664424]
本稿では,2種類のキャパシティ間の関係を捉える新しいモデルを提案する。
具体的には、まず、両側分岐ネットワークを用いて、地域放射線とアトラクション容量をモデル化する。
次に,ハイパーグラフを用いたパラメータ生成手法を用いて,同一領域の異なる容量の変換関係を記述する。
論文 参考訳（メタデータ） (2024-11-29T15:35:17Z) - Region-Aware Text-to-Image Generation via Hard Binding and Soft Refinement [40.94329069897935]
本稿では,正確なレイアウト構成のための地域記述を前提とした地域認識テキスト・画像生成手法であるRAGを提案する。
RAGは従来のチューニング不要手法よりも属性バインディングやオブジェクト関係よりも優れた性能を実現している。
論文 参考訳（メタデータ） (2024-11-10T18:45:41Z) - Urban Region Pre-training and Prompting: A Graph-based Approach [10.375941950028938]
我々は、地域表現学習のためのtextbfG$raph-based $textbfU$rban $textbfR$egion $textbfP$re-training と $textbfP$rompting フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-12T05:00:23Z) - Differentiable Reasoning about Knowledge Graphs with Region-based Graph Neural Networks [62.93577376960498]
知識グラフ(KG)の完成法は、意味的正則性を捕捉し、これらの正則性を用いて、明示的に記述されていない妥当な知識を推測する必要がある。
ほとんどの埋め込みベースの手法はキャプチャ可能な正規性には不透明であるが、領域ベースのKG埋め込みモデルはより透明な代替手段として現れている。
命令制約に基づくシンプルなモデルであるRESHUFFLEを提案し、既存のアプローチよりもはるかに大きなルールベースを忠実に捉えることができる。
論文 参考訳（メタデータ） (2024-06-13T18:37:24Z) - RegionGPT: Towards Region Understanding Vision Language Model [88.42271128373191]
RegionGPT(RGPT)は、複雑な地域レベルのキャプションと理解のために設計された新しいフレームワークである。
我々は、詳細な地域レベルのキャプションを備えたトレーニングセットを充実させる、自動領域キャプションデータ生成パイプラインを開発する。
本研究では,領域レベルのタスクに対して,汎用的なRGPTモデルを効果的に適用し,性能を大幅に向上させることを実証する。
論文 参考訳（メタデータ） (2024-03-04T18:58:08Z) - Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for
Cross-City Semantic Segmentation using High-Resolution Domain Adaptation
Networks [82.82866901799565]
我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。
単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。
高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
論文 参考訳（メタデータ） (2023-09-26T23:55:39Z) - Attentive Graph Enhanced Region Representation Learning [7.4106801792345705]
都市部を正確にかつ包括的に表現することは,様々な都市計画・分析業務に不可欠である。
本研究では,複数のグラフから包括的依存関係を抽出し,都市域のリッチな意味表現を学習することを目的としたAttentive Graph Enhanced Region Representation Learning (ATGRL)モデルを提案する。
論文 参考訳（メタデータ） (2023-07-06T16:38:43Z) - Semantic Segmentation by Early Region Proxy [53.594035639400616]
本稿では,学習可能な領域のテッセルレーションとしてイメージを解釈することから始まる,新規で効率的なモデリングについて述べる。
領域のコンテキストをモデル化するために,Transformerを用いてシーケンス・ツー・シーケンス方式で領域を符号化する。
現在、符号化された領域埋め込みの上に、領域ごとのセマンティックセグメンテーションを行う。
論文 参考訳（メタデータ） (2022-03-26T10:48:32Z) - Urban Region Profiling via A Multi-Graph Representation Learning
Framework [0.0]
本研究では,都市域のプロファイリングのための多グラフ代表学習フレームワークであるRerea2Vecを提案する。
実世界のデータセットの実験によると、Rerea2Vecは3つのアプリケーションで使用でき、最先端のベースラインをすべて上回っている。
論文 参考訳（メタデータ） (2022-02-04T11:05:37Z) - Learning Neighborhood Representation from Multi-Modal Multi-Graph:
Image, Text, Mobility Graph and Beyond [20.014906526266795]
本稿では,マルチモーダルジオタグ入力をノードまたはエッジの特徴として統合する新しい手法を提案する。
具体的には、ストリートビュー画像とpoi特徴を用いて、近傍(ノード)を特徴付け、人間移動を用いて近隣(方向エッジ)間の関係を特徴付ける。
トレーニングした埋め込みは、ユニモーダルデータのみを地域入力として使用するものよりも優れています。
論文 参考訳（メタデータ） (2021-05-06T07:44:05Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z)
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。