論文の概要: Localized, High-resolution Geographic Representations with Slepian Functions

• arxiv url: http://arxiv.org/abs/2602.00392v1
• Date: Fri, 30 Jan 2026 23:11:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.15501
• Title: Localized, High-resolution Geographic Representations with Slepian Functions
• Title（参考訳）: スレピアン関数を用いた局所的高分解能地理表現
• Authors: Arjun Rao, Ruth Crasto, Tessa Ooms, David Rolnick, Konstantin Klemmer, Marc Rußwurm,
• Abstract要約: 地理的データは基本的に地域的であり、人口集中部の病気の発生、海岸線に沿って生態パターンが出現し、経済活動が国境内で集中している。 しかし、地理的位置を符号化する機械学習モデルは、ローカライズされたアプリケーションに必要な微細な解像度に苦しむ、世界中に一様に表現能力を分配する。 本研究では,球面スレピアン関数を用いた地理的位置エンコーダを提案する。
• 参考スコア（独自算出の注目度）: 18.055849990488834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geographic data is fundamentally local. Disease outbreaks cluster in population centers, ecological patterns emerge along coastlines, and economic activity concentrates within country borders. Machine learning models that encode geographic location, however, distribute representational capacity uniformly across the globe, struggling at the fine-grained resolutions that localized applications require. We propose a geographic location encoder built from spherical Slepian functions that concentrate representational capacity inside a region-of-interest and scale to high resolutions without extensive computational demands. For settings requiring global context, we present a hybrid Slepian-Spherical Harmonic encoder that efficiently bridges the tradeoff between local-global performance, while retaining desirable properties such as pole-safety and spherical-surface-distance preservation. Across five tasks spanning classification, regression, and image-augmented prediction, Slepian encodings outperform baselines and retain performance advantages across a wide range of neural network architectures.
• Abstract（参考訳）: 地理的データは基本的に局所的である。 人口集中部の病気の発生、生態パターンは海岸線に沿って出現し、経済活動は国境に集中している。 しかし、地理的位置を符号化する機械学習モデルは、ローカライズされたアプリケーションに必要な微細な解像度に苦しむ、世界中に一様に表現能力を分配する。 本研究では,球面スレピアン関数を用いた地理的位置エンコーダを提案する。 グローバル・コンテクストを必要とする設定のために,ポーリングセーフ性や球面距離保存といった望ましい特性を維持しつつ,局所的・球面特性のトレードオフを効率的に橋渡しするハイブリッドSlepian-Spherical Harmonic Encoderを提案する。 分類、回帰、画像拡張予測にまたがる5つのタスクで、Slepianエンコーディングはベースラインよりも優れ、幅広いニューラルネットワークアーキテクチャでパフォーマンス上の優位性を維持する。

関連論文リスト

• Breaking the Regional Barrier: Inductive Semantic Topology Learning for Worldwide Air Quality Forecasting [99.4484686548807]
  我々は,グローバルなステーションレベルの予測に適した意味的トポロジ学習フレームワークであるOmniAirを提案する。 提案手法は,不均一分散グローバルネットワークにおける長距離非ユークリッド相関と物理拡散パターンを効果的に捉える。 実験によると、OmniAirは18のベースラインに対して最先端のパフォーマンスを実現し、既存のモデルよりも10倍近いスピードで高い効率とスケーラビリティを維持している。
  論文  参考訳（メタデータ） (2026-01-29T15:58:07Z)
• UAGLNet: Uncertainty-Aggregated Global-Local Fusion Network with Cooperative CNN-Transformer for Building Extraction [83.48950950780554]
  リモートセンシング画像からの抽出は、複雑な構造変化のために難しい課題である。 既存の方法は、セグメンテーションモデルにおけるマルチスケール特徴をキャプチャするために、畳み込みブロックまたは自己アテンションブロックを使用する。 高品質なグローバルローカルなビジュアルセマンティクスを活用するために,不確実性集約型グローバルローカルフュージョンネットワーク(UAGLNet)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T02:59:16Z)
• Generalizable Slum Detection from Satellite Imagery with Mixture-of-Experts [20.100765943688454]
  GRAMは、2段階のテスト時間適応フレームワークであり、ターゲット領域からのラベル付きデータを必要とせずに堅牢なスラムセグメンテーションを可能にする。 ソーストレーニングには,4大陸12都市を対象とした,100万規模の衛星データデータセットを使用します。 適応の間、専門家間の予測整合性は信頼できない擬似ラベルをフィルタリングし、モデルがこれまで見られなかった領域に効果的に一般化することを可能にする。
  論文  参考訳（メタデータ） (2025-11-13T13:35:50Z)
• Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation [0.39762912548964846]
  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。
  論文  参考訳（メタデータ） (2025-05-24T02:00:34Z)
• RegionGCN: Spatial-Heterogeneity-Aware Graph Convolutional Networks [8.132751508556078]
  本研究では,地域レベルでの空間的プロセスの不均一性を個人レベルでではなく,地域レベルでモデル化することを提案する。 本研究では,2016年アメリカ合衆国大統領選挙における郡レベルの投票率の空間的予測に,地域GCNという空間的不均一性を考慮したグラフ畳み込みネットワークを適用した。
  論文  参考訳（メタデータ） (2025-01-29T12:09:01Z)
• Geographic Location Encoding with Spherical Harmonics and Sinusoidal Representation Networks [8.765273923374982]
  最近の研究は、Double Fourier Sphere (DFS) の特徴に基づく正弦波と正弦波の投影を用いて座標を埋め込む。 本研究では球面調和基底関数を組み合わせたグローバル分散地理的データのための新しい位置エンコーダを提案する。 球面高調波と正弦波表現ネットワークは,それぞれが互いに競合するが,同時にタスク間の最先端性能を設定できることを示す。
  論文  参考訳（メタデータ） (2023-10-10T16:12:17Z)
• 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)
• 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。