論文の概要: Geospatial Foundation Models to Enable Progress on Sustainable Development Goals

• arxiv url: http://arxiv.org/abs/2505.24528v1
• Date: Fri, 30 May 2025 12:36:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.946529
• Title: Geospatial Foundation Models to Enable Progress on Sustainable Development Goals
• Title（参考訳）: 持続可能な開発目標の進展を可能にする地理空間基盤モデル
• Authors: Pedram Ghamisi, Weikang Yu, Xiaokang Zhang, Aldino Rizaldy, Jian Wang, Chufeng Zhou, Richard Gloaguen, Gustau Camps-Valls,
• Abstract要約: Foundation Models(FM)は、自然言語処理とコンピュータビジョンに革命をもたらした大規模で事前訓練されたAIシステムである。 本研究は地理空間的FMの厳密な学際的評価を提供し,持続可能性目標達成におけるその役割について重要な知見を提供する。
• 参考スコア（独自算出の注目度）: 18.086843224361644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Foundation Models (FMs) are large-scale, pre-trained AI systems that have revolutionized natural language processing and computer vision, and are now advancing geospatial analysis and Earth Observation (EO). They promise improved generalization across tasks, scalability, and efficient adaptation with minimal labeled data. However, despite the rapid proliferation of geospatial FMs, their real-world utility and alignment with global sustainability goals remain underexplored. We introduce SustainFM, a comprehensive benchmarking framework grounded in the 17 Sustainable Development Goals with extremely diverse tasks ranging from asset wealth prediction to environmental hazard detection. This study provides a rigorous, interdisciplinary assessment of geospatial FMs and offers critical insights into their role in attaining sustainability goals. Our findings show: (1) While not universally superior, FMs often outperform traditional approaches across diverse tasks and datasets. (2) Evaluating FMs should go beyond accuracy to include transferability, generalization, and energy efficiency as key criteria for their responsible use. (3) FMs enable scalable, SDG-grounded solutions, offering broad utility for tackling complex sustainability challenges. Critically, we advocate for a paradigm shift from model-centric development to impact-driven deployment, and emphasize metrics such as energy efficiency, robustness to domain shifts, and ethical considerations.
• Abstract（参考訳）: ファンデーションモデル(FM)は、自然言語処理とコンピュータビジョンに革命をもたらした大規模で事前訓練されたAIシステムであり、現在、地理空間分析と地球観測(EO)を進めている。 彼らはタスク間の一般化、スケーラビリティ、最小限のラベル付きデータによる効率的な適応の改善を約束する。 しかし、地空間FMの急速な普及にもかかわらず、その実効性と世界持続可能性目標との整合性はまだ未定である。 SustainFMは17の持続可能な開発目標を基盤とした総合的なベンチマークフレームワークで、資産富の予測から環境リスク検出まで、非常に多様なタスクをこなす。 本研究は地理空間的FMの厳密な学際的評価を提供し,持続可能性目標達成におけるその役割について重要な知見を提供する。 1) FMは一般には優れていないが、様々なタスクやデータセットにまたがる従来の手法よりも優れていることが多い。 2) FMの評価は, 伝達可能性, 一般化, エネルギー効率を, 責任ある利用基準として含めるために, 精度を超えて行うべきである。 (3)FMは拡張性のあるSDGグラウンドソリューションを可能にし、複雑な持続可能性課題に対処するための幅広いユーティリティを提供する。 批判的に、私たちはモデル中心の開発からインパクト駆動デプロイメントへのパラダイムシフトを提唱し、エネルギー効率、堅牢性からドメインシフト、倫理的考慮といった指標を強調します。

関連論文リスト

• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Large Language Models Post-training: Surveying Techniques from Alignment to Reasoning [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• Spatio-Temporal Foundation Models: Vision, Challenges, and Opportunities [48.45951497996322]
  ファンデーションモデル(STFM)は、人工知能に革命をもたらし、パフォーマンスの新たなベンチマークを設定し、幅広いビジョンと言語タスクにわたる変換機能を実現する。 本稿では,STFMの今後の展望を概説し,その本質的特徴と汎用性について概説する。 我々は,STFMを効果的かつ広範に適用する目的で研究を進める可能性や方向性を探究する。
  論文  参考訳（メタデータ） (2025-01-15T08:52:28Z)
• Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
  本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。 モチベーションと背景の概要から始まり、続いて基本概念が導入された。 我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
  論文  参考訳（メタデータ） (2024-10-22T01:08:21Z)
• When Geoscience Meets Foundation Models: Towards General Geoscience Artificial Intelligence System [6.445323648941926]
  地球科学基礎モデル(Geoscience foundation model, GFMs)は、地球系の力学のシミュレーションと理解を強化するために、広範な学際データを統合するパラダイムシフトソリューションである。 GFMのユニークな長所は、フレキシブルなタスク仕様、多様な入出力能力、マルチモーダルな知識表現である。 このレビューは、先進的なAI技術と地球科学の交差点における未解決の機会を強調した、新興の地球科学研究パラダイムの包括的概要を提供する。
  論文  参考訳（メタデータ） (2023-09-13T08:44:09Z)

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。