論文の概要: Earth Embeddings as Products: Taxonomy, Ecosystem, and Standardized Access

• arxiv url: http://arxiv.org/abs/2601.13134v1
• Date: Mon, 19 Jan 2026 15:20:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.947855
• Title: Earth Embeddings as Products: Taxonomy, Ecosystem, and Standardized Access
• Title（参考訳）: プロダクトとしての地球埋め込み:分類学、生態系、標準化アクセス
• Authors: Heng Fang, Adam J. Stewart, Isaac Corley, Xiao Xiang Zhu, Hossein Azizpour,
• Abstract要約: Geospatial Foundation Models (GFMs) は強力な表現を提供するが、高い計算コストが広く使われるのを妨げている。 事前計算された埋め込みデータ製品は、実用的な"凍結"代替手段を提供するが、現在は互換性のないフォーマットと解像度の断片化されたエコシステムに存在している。 TorchGeoを統一APIで拡張し、多様な埋め込み製品のロードとクエリを標準化します。
• 参考スコア（独自算出の注目度）: 19.237986572562452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geospatial Foundation Models (GFMs) provide powerful representations, but high compute costs hinder their widespread use. Pre-computed embedding data products offer a practical "frozen" alternative, yet they currently exist in a fragmented ecosystem of incompatible formats and resolutions. This lack of standardization creates an engineering bottleneck that prevents meaningful model comparison and reproducibility. We formalize this landscape through a three-layer taxonomy: Data, Tools, and Value. We survey existing products to identify interoperability barriers. To bridge this gap, we extend TorchGeo with a unified API that standardizes the loading and querying of diverse embedding products. By treating embeddings as first-class geospatial datasets, we decouple downstream analysis from model-specific engineering, providing a roadmap for more transparent and accessible Earth observation workflows.
• Abstract（参考訳）: Geospatial Foundation Models (GFMs) は強力な表現を提供するが、高い計算コストが広く使われるのを妨げている。 事前計算された埋め込みデータ製品は、実用的な"凍結"代替手段を提供するが、現在は互換性のないフォーマットと解像度の断片化されたエコシステムに存在している。 この標準化の欠如は、意味のあるモデルの比較と再現性を妨げるエンジニアリングボトルネックを生み出します。 データ、ツール、価値という3つの階層の分類によって、この状況を形式化します。 既存の製品を調査し、相互運用性の障壁を特定します。 このギャップを埋めるため、さまざまな埋め込み製品のロードとクエリを標準化する統一APIでTorchGeoを拡張しました。 埋め込みを第一級地理空間データセットとして扱うことで、下流分析をモデル固有のエンジニアリングから切り離し、より透明でアクセスしやすい地球観測ワークフローのロードマップを提供する。

関連論文リスト

• GEO-Bench-2: From Performance to Capability, Rethinking Evaluation in Geospatial AI [52.13138825802668]
  GeoFMは地球観測を変革しているが、評価には標準化されたプロトコルが欠けている。 GEO-Bench-2は、分類、セグメンテーション、回帰、オブジェクト検出、インスタンスセグメンテーションにまたがる包括的なフレームワークでこの問題に対処する。 GEO-Bench-2のコード、データ、およびリーダーボードは、パーミッシブライセンスの下で公開されている。
  論文  参考訳（メタデータ） (2025-11-19T17:45:02Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• Deploying Geospatial Foundation Models in the Real World: Lessons from WorldCereal [25.756741188074862]
  本稿では,地空間基盤モデルを運用マッピングシステムに統合するための構造的アプローチを提案する。 私たちのプロトコルには、アプリケーション要件の定義、ドメイン固有のデータへのモデルの適用、厳密な経験的テストの実行という、3つの重要なステップがあります。 結果は、モデルの強い空間的および時間的一般化能力を強調する。
  論文  参考訳（メタデータ） (2025-07-16T15:10:32Z)
• AnySat: One Earth Observation Model for Many Resolutions, Scales, and Modalities [5.767156832161819]
  本稿では,JEPAとスケール適応型空間エンコーダに基づくマルチモーダルモデルであるAnySatを提案する。 この統一アプローチの利点を実証するため、異なる特徴を持つ5つのマルチモーダルデータセットの集合であるGeoPlexをコンパイルする。 次に、これらの多様なデータセット上で、単一の強力なモデルを同時にトレーニングします。
  論文  参考訳（メタデータ） (2024-12-18T18:11:53Z)
• GeoWizard: Unleashing the Diffusion Priors for 3D Geometry Estimation from a Single Image [94.56927147492738]
  単一画像から幾何学的属性を推定するための新しい生成基盤モデルであるGeoWizardを紹介する。 拡散前処理の活用は,資源利用における一般化,詳細な保存,効率性を著しく向上させることが示唆された。 本稿では,様々なシーンの複雑なデータ分布を,個別のサブディストリビューションに分離する,シンプルかつ効果的な戦略を提案する。
  論文  参考訳（メタデータ） (2024-03-18T17:50:41Z)
• FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
  我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。 その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。 河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-17T00:53:09Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Deep residential representations: Using unsupervised learning to unlock elevation data for geo-demographic prediction [0.0]
  LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。 現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。 我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
  論文  参考訳（メタデータ） (2021-12-02T17:10:52Z)

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。