Fugu-MT 論文翻訳(概要): PlaceFM: A Training-free Geospatial Foundation Model of Places

論文の概要: PlaceFM: A Training-free Geospatial Foundation Model of Places

arxiv url: http://arxiv.org/abs/2507.02921v1
Date: Wed, 25 Jun 2025 15:10:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-13 12:05:57.523619
Title: PlaceFM: A Training-free Geospatial Foundation Model of Places
Title（参考訳）: PlaceFM: 場所の訓練不要な地理空間基盤モデル
Authors: Mohammad Hashemi, Hossein Amiri, Andreas Zufle,
Abstract要約: 本研究では,空間的基礎モデルであるPlaceFMを提案する。 PlaceFMは、米国内のFoursquareとOpenStreetMapのデータから構築された全国的なPOIグラフを集約し、場所の汎用的な埋め込みを生成する。
参考スコア（独自算出の注目度）: 0.27309692684728604
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Spatial structure is central to effective geospatial intelligence systems. While foundation models have shown promise, they often lack the flexibility to reason about places, which are context-rich regions spanning different spatial granularities. We propose PlaceFM, a spatial foundation model that captures place representations using a training-free graph condensation method. PlaceFM condenses a nationwide POI graph built from integrated Foursquare and OpenStreetMap data in the U.S., generating general-purpose embeddings of places. These embeddings can be seamlessly integrated into geolocation data pipelines to support a wide range of downstream tasks. Without requiring pretraining, PlaceFM offers a scalable and adaptable solution for multi-scale geospatial analysis.
Abstract（参考訳）: 空間構造は効果的な地理空間情報システムの中心である。基礎モデルは将来性を示しているが、異なる空間的粒度にまたがる文脈に富んだ領域である場所を推論する柔軟性に欠けることが多い。本研究では,空間的基礎モデルであるPlaceFMを提案する。 PlaceFMは、米国内のFoursquareとOpenStreetMapのデータから構築された全国的なPOIグラフを集約し、場所の汎用的な埋め込みを生成する。これらの埋め込みは、幅広い下流タスクをサポートするために、ロケーションデータパイプラインにシームレスに統合できる。事前トレーニングを必要とせずに、PlaceFMはマルチスケール地理空間解析のためのスケーラブルで適応可能なソリューションを提供する。

関連論文リスト

GeoDistill: Geometry-Guided Self-Distillation for Weakly Supervised Cross-View Localization [70.65458151146767]
クロスビューのローカライゼーションは、自律ナビゲーションや拡張現実のような大規模な屋外アプリケーションにとって不可欠である。既存の手法は、しばしば完全に教師付き学習に依存している。本研究では,FoV(Field-of-View)ベースのマスキングを用いた教師学習フレームワークGeoDistillを提案する。
論文参考訳（メタデータ） (2025-07-15T03:00:15Z)
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)
LocDiffusion: Identifying Locations on Earth by Diffusing in the Hilbert Space [10.342723428164412]
画像ジオローカライズのためのメカニズムとして拡散を利用する手法を提案する。拡散における問題のある多様体再生成のステップを避けるため,我々は新しい球面位置符号化・復号化フレームワークを開発した。我々は、画像の誘導の下で位置を生成するLocDiffusionと呼ばれる条件付き潜伏拡散モデルを訓練する。
論文参考訳（メタデータ） (2025-03-23T17:15:26Z)
OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。地理空間応用に適したMLLM(OmniGeo)を提案する。自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文参考訳（メタデータ） (2025-03-20T16:45:48Z)
GeoJEPA: Towards Eliminating Augmentation- and Sampling Bias in Multimodal Geospatial Learning [0.0]
自己教師型統合埋め込み予測アーキテクチャ上に構築された地理空間データのための多目的多モード融合モデルであるGeoJEPAを提案する。我々は,自己教師付き地理空間表現学習において広く受け入れられている増分とサンプリングバイアスを排除することを目的としている。その結果,都市域のマルチモーダルな意味表現と,定量的かつ質的に評価するマップエンティティが得られた。
論文参考訳（メタデータ） (2025-02-25T22:03:28Z)
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)
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)
City Foundation Models for Learning General Purpose Representations from OpenStreetMap [16.09047066527081]
本稿では,都市のような選択された地理的関心領域における基礎モデルをトレーニングするためのフレームワークであるCityFMを紹介する。 CityFMはOpenStreetMapからのオープンデータにのみ依存し、異なるタイプのエンティティ、空間、視覚、およびテキスト情報のマルチモーダル表現を生成する。すべての実験において、CityFMはベースラインに匹敵する、あるいは同等のパフォーマンスを達成する。
論文参考訳（メタデータ） (2023-10-01T05:55:30Z)
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)
PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image Segmentation [87.50205728818601]
本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
論文参考訳（メタデータ） (2020-11-25T11:03:11Z)
Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization [54.00111565818903]
クロスビューなジオローカライゼーションは、異なるプラットフォームから同じ地理的ターゲットの画像を見つけることである。既存の手法は通常、画像センター内の地理的ターゲットの微細な特徴をマイニングすることに集中している。我々は、文脈情報を活用するために、ローカルパターンネットワーク(LPN)と呼ばれるシンプルで効果的なディープニューラルネットワークを導入する。
論文参考訳（メタデータ） (2020-08-26T16:06:11Z)

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。