論文の概要: Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation
- arxiv url: http://arxiv.org/abs/2505.18461v2
- Date: Sun, 26 Oct 2025 20:14:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 22:08:13.734658
- Title: Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation
- Title（参考訳）: 動的PM2.5推定のための深層学習における位置エンコーダの導入性能と一般化可能性の影響
- Authors: Morteza Karimzadeh, Zhongying Wang, James L. Crooks,
- Abstract要約: 動的・空間的不均一な応用のための深層学習における位置情報の効果について検討する。
日表面PM2.5を衛星観測と地上観測により推定した。
以上の結果から,空間一般化の支援により,原座標は領域内の性能を向上させることができるが,領域間の一般化性は低下することが示された。
- 参考スコア（独自算出の注目度）: 0.39762912548964846
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning has shown strong performance in geospatial prediction tasks, but the role of geolocation information in improving accuracy and generalizability remains underexamined. Recent work has introduced location encoders that aim to represent spatial context in a transferable way, yet most evaluations have focused on static mapping tasks. Here, we study the effect of incorporating geolocation into deep learning for a dynamic and spatially heterogeneous application: estimating daily surface-level PM2.5 across the contiguous United States using satellite and ground-based observations. We compare three strategies for representing location: excluding geolocation, using raw latitude and longitude, and using pretrained location encoders. We evaluate each under within-region and out-of-region generalization settings. Results show that raw coordinates can improve performance within regions by supporting spatial interpolation, but can reduce generalizability across regions. In contrast, pretrained location encoders such as GeoCLIP improve both predictive accuracy and geographic transfer. However, we also observe spatial artifacts linked to encoder characteristics, and performance varies across encoder types (e.g., SatCLIP vs. GeoCLIP). This work provides the first systematic evaluation of location encoders in a dynamic environmental estimation context and offers guidance for incorporating geolocation into deep learning models for geospatial prediction.
- Abstract（参考訳）: 深層学習は地理空間予測タスクにおいて高い性能を示してきたが、精度と一般化性の向上における位置情報の役割はいまだ過小評価されている。
最近の研究は、空間コンテキストを伝達可能な方法で表現することを目的とした位置エンコーダを導入しているが、ほとんどの評価は静的マッピングタスクに焦点を当てている。
そこで本研究では, 動的・空間的不均質な応用のための深層学習に位置情報を組み込むことによる効果について検討する。
位置を表すための3つの戦略を比較する。位置を除外し、生の緯度と経度を使い、事前訓練された位置エンコーダを使用する。
地域内および地域外における一般化設定をそれぞれ評価する。
その結果,空間補間を支援することで,原座標は領域内の性能を向上させることができるが,領域間の一般化性は低下することがわかった。
対照的に、GeoCLIPのような事前訓練された位置エンコーダは、予測精度と地理的転送の両方を改善している。
しかし,エンコーダの特徴に関連付けられた空間的アーティファクトも観察し,エンコーダの種類(例えば, SatCLIP vs. GeoCLIP)によって性能が変化する。
本研究は、動的環境推定コンテキストにおける位置エンコーダの系統的評価を行い、地理空間予測のための深層学習モデルに位置情報を組み込むためのガイダンスを提供する。
関連論文リスト
- HyBiomass: Global Hyperspectral Imagery Benchmark Dataset for Evaluating Geospatial Foundation Models in Forest Aboveground Biomass Estimation [1.0408909053766147]
本研究では,森林表層バイオマス(AGB)推定のためのグローバル分散ベンチマークデータセットを提案する。
このベンチマークデータセットは、環境マッピング・分析プログラム(EnMAP)衛星からのHSIと、AGB密度推定の予測を組み合わせたものである。
このデータセットを用いた実験結果から,評価されたGeo-FMがベースラインU-Netの性能を上回り得るか,場合によっては超えることを示した。
論文 参考訳（メタデータ） (2025-06-12T21:29:20Z) - EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。
また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。
CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
論文 参考訳（メタデータ） (2025-04-28T02:41:12Z) - Geographical Context Matters: Bridging Fine and Coarse Spatial Information to Enhance Continental Land Cover Mapping [2.9212099078191756]
BRIDGE-LCは,土地被覆分類プロセスに大規模地理空間情報を統合する,新しい深層学習フレームワークである。
その結果,地理空間情報の統合により土地被覆マッピング性能が向上することが示唆された。
論文 参考訳（メタデータ） (2025-04-16T17:42:46Z) - 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) - HMCGeo: IP Region Prediction Based on Hierarchical Multi-label Classification [9.993613732452122]
位置ベースのサービスやサイバーセキュリティといったアプリケーションでは、粒度の細かいIPロケーションが重要な役割を果たす。
本稿では,HMCGeoというIP領域予測のための階層型マルチラベル分類フレームワークを提案する。
我々は,HMCGeoがすべての地理的粒度に対して優れた性能を示し,既存のIP位置情報法を著しく上回っていることを示す。
論文 参考訳（メタデータ） (2025-01-26T08:58:14Z) - Enhancing GeoAI and location encoding with spatial point pattern statistics: A Case Study of Terrain Feature Classification [2.724802833397066]
本研究では,深層学習モデルに空間点パターン統計を組み込んだ地形特徴分類手法を提案する。
我々は、ポイントパターンの1次効果と2次効果の両方を統合する知識駆動アプローチにより、GeoAIモデルを改善する。
論文 参考訳（メタデータ） (2024-11-21T20:17:41Z) - Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
本稿では,GPSなどの位置情報が存在しない場合の地上画像の位置を推定することの課題について検討する。
本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(Recall vs Area)を紹介する。
次に,複数の情報源からの情報を組み込んだグローバルな画像位置決め手法について検討する。
論文 参考訳（メタデータ） (2024-07-18T19:15:52Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - 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) - 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) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z)
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。