論文の概要: Tessellating The Earth

• arxiv url: http://arxiv.org/abs/2606.27514v1
• Date: Thu, 25 Jun 2026 19:58:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.310351
• Title: Tessellating The Earth
• Title（参考訳）: 地球を操る
• Abstract要約: TTE (Tessellating the Earth) は、学習可能な球状ボロノイ分割から構築された位置エンコーダである。 TTEは、地理空間分類と回帰タスクのスイートにまたがって、ロケーションエンコーダの新たな状態を設定する。
• 参考スコア（独自算出の注目度）: 16.078192224421084
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geolocation encoders, which map geographic coordinates to learned representations, are emerging as an effective means of capturing visual and non-visual characteristics from a latitude-longitude pair alone. However, existing approaches project coordinates onto fixed bases (e.g., spherical harmonics), allocating representational capacity uniformly and devoting equal resources to the open ocean and to a developing city. We introduce Tessellating the Earth (TTE), a location encoder built from learnable Spherical Voronoi partitions that concentrates representational capacity where it is needed in a fully differentiable, end-to-end manner. Each Voronoi site carries its own embedding and migrates during training toward discriminative areas. To bridge the gap between local spatial structure and global semantic understanding, we introduce \emph{global semantic tokens}: a set of shared learnable concept tokens that distill semantic knowledge from the satellite imagery into a compact vocabulary the location encoder can reference at inference, enabling geographically distant sites covering similar environments to share semantics. TTE sets a new state of the art for location encoders across a suite of geospatial classification and regression tasks, and achieves the strongest results when used as a geographic prior for fine-grained species classification on iNaturalist-2018. Code, and weights are available at https://github.com/mvrl/TTE.
• Abstract（参考訳）: 地理座標を学習した表現にマッピングするジオロケーションエンコーダは、緯度-経度対だけで視覚的・非視覚的特徴を捉える効果的な手段として出現している。 しかし、既存のアプローチは、固定されたベース(例えば球面調和)にプロジェクトをコーディネートし、表現能力を均一に配分し、開かれた海と発展途上国に同等の資源を割り当てる。 我々は,学習可能な球状ボロノイ分割から構築した位置エンコーダであるTessellating the Earth (TTE)を紹介した。 各ヴォロノイ遺跡には独自の埋め込みがあり、訓練中に差別地域へ移動している。 局所的な空間構造とグローバルな意味理解のギャップを埋めるために、衛星画像から意味的知識をコンパクトな語彙に変換する共有学習可能な概念トークンセットである「emph{global semantic tokens」を導入する。 TTEは、地理空間分類と回帰タスクからなる新しい位置エンコーダの最先端を定め、iNaturalist-2018の詳細な種分類の地理的先行として使用した場合、最も強力な結果が得られる。 コードとウェイトはhttps://github.com/mvrl/TTE.comで入手できる。

関連論文リスト

• Location-Aware Language Models via Secondary Embeddings [4.784071359791487]
  本研究では,地空間認識を事前学習した埋め込みに注入するための,軽量でモデルに依存しないアプローチを提案する。 本手法は,位置名と対応する緯度と経度を組み合わせることで,地理的な構造を持つ入力表現を増強する。 実験により,標準NLPベンチマークにおいて同等の性能を維持しつつ,地理空間アライメントを大幅に改善した。
  論文  参考訳（メタデータ） (2026-08-31T22:48:37Z)
• What's in an Earth Embedding? An Explainability Analysis of Location Encoders [6.103957378939232]
  地理埋め込み (INRs) は、地球上の座標を場所へマッピングすることを学ぶ。 人間の解釈可能な表現への埋め込みを解析する。 位置埋め込みは人間の解釈可能な表現に分解可能であることを示す。
  論文  参考訳（メタデータ） (2026-06-23T16:01:17Z)
• Learning to Wander: Improving the Global Image Geolocation Ability of LMMs via Actionable Reasoning [72.13218601075958]
  textbfWanderBenchは,具体的シナリオにおける行動可能な位置情報推論のための,最初のオープンアクセスグローバルジオロケーションベンチマークである。 我々は,下線Action of UnderlineThoughを用いた下線Geolocationフレームワークである textbfGeoAoT (Action of Thought) を提案する。 19個の大規模マルチモーダルモデルによる実験により、GeoAoTは動的環境におけるより優れた微細な局所化とより強力な一般化を実現することが示された。
  論文  参考訳（メタデータ） (2026-03-11T06:24:10Z)
• Global Cross-Modal Geo-Localization: A Million-Scale Dataset and a Physical Consistency Learning Framework [13.268717213871147]
  クロスモーダルジオローカライゼーション(CMGL)は、地上レベルのテキスト記述とジオタグ付き空中画像とを一致させる。 グローバルCMGL専用の最初の100万規模のデータセットであるCOREを紹介する。 モーダルな地理的ローカライゼーションのための物理ロッド・アウェア・ネットワーク(PLANET)を提案する。
  論文  参考訳（メタデータ） (2026-03-09T15:27:19Z)
• HierLoc: Hyperbolic Entity Embeddings for Hierarchical Visual Geolocation [12.392226207474662]
  画像と画像の検索を,ハイパーボリック空間に埋め込まれた地理的エンティティのコンパクトな階層構造に置き換える。 画像は、土地、地域、小地域、都市と直接的に一致し、地理的に重み付けられた双曲的学習を通して、対照的な目的にハーシン距離を直接組み込む。 文献の現在の方法と比較すると、平均測地誤差を19.5%削減し、細粒度のサブリージョン精度を43%改善している。
  論文  参考訳（メタデータ） (2026-01-30T15:16:07Z)
• 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)
• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• SatCLIP: Global, General-Purpose Location Embeddings with Satellite Imagery [22.716322265391852]
  衛星コントラスト位置画像事前学習(SatCLIP)について紹介する。 SatCLIPは、公開衛星画像のCNNとViTの視覚パターンを地理的座標と一致させることで、位置の暗黙的な表現を学習する。 実験では、温度予測、動物認識、人口密度推定を含む9つの異なる位置依存タスクにおいて、SatCLIP埋め込みを用いて予測性能を向上させる。
  論文  参考訳（メタデータ） (2023-11-28T19:14:40Z)
• 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)
• SIRI: Spatial Relation Induced Network For Spatial Description Resolution [64.38872296406211]
  言語誘導型ローカライゼーションのための新しい関係誘導型ネットワーク(SIRI)を提案する。 提案手法は,80ピクセルの半径で測定した精度で,最先端手法よりも約24%優れていた。 提案手法は,Touchdownと同じ設定で収集した拡張データセットをうまく一般化する。
  論文  参考訳（メタデータ） (2020-10-27T14:04:05Z)

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。