論文の概要: GeoGNN: Time Series Geo-Localization using Two-Tower Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2606.08303v1
• Date: Sat, 06 Jun 2026 19:10:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.030011
• Title: GeoGNN: Time Series Geo-Localization using Two-Tower Graph Neural Networks
• Title（参考訳）: GeoGNN:2tower Graph Neural Networkを用いた時系列ジオローカライゼーション
• Authors: Toan Tran, Waqwoya Abebe, Abhishek Potnis, Supriya Chinthavali, Cyrus Shahabi, Li Xiong, Dalton Lunga,
• Abstract要約: 地理的ローカライゼーションが成功すると、時系列に空間的コンテキストを提供し、位置認識アプリケーションを可能にする。 時系列ジオローカライズのための2towerアーキテクチャであるGeoGNNを提案する。 大規模で全国的な電力消費データセットの実験は、GeoGNNがデータセット間で最高のパフォーマンスを達成することを実証している。
• 参考スコア（独自算出の注目度）: 11.28706377321882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates a novel concept of time series geolocalization, where the goal is to infer the geographic origin of each raw time series. Successful geolocalization can provide spatial context to time series, enabling downstream location-aware applications. We formalize the problem, adapt core ideas from image geolocalization to establish strong baselines, and propose GeoGNN, a two-tower architecture. During training, GeoGNN's spatial tower learns embeddings of geographic cell candidates by leveraging the geographic adjacency graph, while the temporal tower extracts informative representations from time series. During inference, each temporal representation is matched against candidate geographic embeddings using dot-product similarity, combined with an auxiliary classification head, to predict the time series' associated geographic origin. Experiments on large-scale, countrywide electricity-consumption datasets demonstrate that GeoGNN achieves the best performance across datasets and enhances both fine- and coarse-grained geolocalization accuracy by ~27% on average.
• Abstract（参考訳）: 本稿では,各時系列の地理的起源を推定することを目的として,時系列のジオローカライゼーションという新しい概念について検討する。 地理的ローカライゼーションが成功すれば、時系列に空間的コンテキストを提供することができ、下流の位置認識アプリケーションを可能にする。 この問題を定式化し、画像のジオローカライズから中心となるアイデアを適応させ、強力なベースラインを確立するとともに、2towerアーキテクチャであるGeoGNNを提案する。 訓練中、GeoGNNの空間塔は地理的隣接グラフを利用して地理的セル候補の埋め込みを学習し、時間塔は時系列から情報表現を抽出する。 推測中、各時間表現は、ドット積類似性と補助分類ヘッドを組み合わせることで、時系列の地理的起源を予測して、候補の地理的埋め込みと一致させる。 大規模で全国的な電力消費データセットの実験では、GeoGNNはデータセット全体で最高のパフォーマンスを達成し、微粒化と粗粒化のどちらも平均で約27%の精度で向上している。

関連論文リスト

• GeoSURGE: Geo-localization using Semantic Fusion with Hierarchy of Geographic Embeddings [3.43519422766841]
  我々は、クエリ画像の視覚的表現と学習された地理的表現との整合性として、地理的ローカライゼーションを定式化する。 主要な実験では、5つのベンチマークデータセットで測定された25のメトリクスのうち22のベストが改善された。
  論文  参考訳（メタデータ） (2025-10-01T20:39:48Z)
• 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)
• 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)

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。