論文の概要: GeoSEAN: Explainable Country-Level Image Geolocation for ASEAN Regions
- arxiv url: http://arxiv.org/abs/2607.12284v1
- Date: Tue, 14 Jul 2026 02:38:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.015431
- Title: GeoSEAN: Explainable Country-Level Image Geolocation for ASEAN Regions
- Title（参考訳）: GeoSEAN:ASEAN地域における説明可能な地域レベル画像測位
- Abstract要約: 本研究は、ASEAN11カ国における国レベルの画像位置決めパイプラインについて説明する。
GeoGuessrスタイルのソースやGoogle Images、さらにストリートレベルの画像から4,850枚の画像を収集しました。
説明可能性について,CLIPアテンションロールアウト,YOLO26オブジェクト検出,EBPG(Energy Based Pointing Game)の重なりによる予測を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image geolocation aims to infer the geographic origin of an image from visual content alone. However, this task remains challenging in regions where countries share similar urban, roadside, architectural, and environmental characteristics. Many existing geolocation models focus on coordinate level prediction or classification performance while providing limited insight into how visual evidence contributes to location predictions. This study presents an explainable country level image geolocation pipeline for 11 ASEAN countries. First, we collected 4,850 images from GeoGuessr style sources, Google Images, and additional street level imagery. We then evaluated three approaches on this dataset: CLIP zero shot classification, a LightGBM classifier, and an MLP classifier. The MLP achieved the best test performance, attaining an accuracy and F1 score of 85.91%. For explainability, predictions generated by the MLP classifier were analyzed post hoc using CLIP attention rollout, YOLO26 object detection on the original images, and Energy Based Pointing Game (EBPG) overlap metrics. Object level analysis indicates that frequently detected objects are not necessarily associated with the highest attention density, suggesting that object frequency and attention based visual evidence capture different aspects of a scene. These results demonstrate that the proposed model can support accurate regional image geolocation while enabling object level inspection of the visual cues underlying its predictions.
- Abstract（参考訳）: 画像位置情報は、画像の地理的起源を視覚コンテンツのみから推測することを目的としている。
しかし、国が同様の都市、道路、建築、環境特性を共有している地域では、この課題は依然として困難なままである。
多くの既存の位置情報モデルは、座標レベル予測や分類性能に焦点を当て、視覚的エビデンスが位置予測にどのように貢献するかについての限られた洞察を与えている。
本研究は、ASEAN11カ国における国レベルの画像位置決めパイプラインについて説明する。
まず、GeoGuessrスタイルのソース、Google Images、さらにストリートレベルの画像から4,850枚の画像を収集しました。
次に,このデータセットに対して,CLIPゼロショット分類,LightGBM分類器,MLP分類器の3つのアプローチを評価した。
MLPは最高のテスト性能を達成し、精度とF1スコアは85.91%に達した。
説明可能性のために,MLP分類器が生成した予測は,CLIP注意ロールアウト,YOLO26オブジェクト検出,EBPG(Energy Based Pointing Game)重なりのメトリクスを用いて,ポストホックで解析した。
オブジェクトレベル分析は、頻繁に検出される物体が必ずしも最も注目度の高い物体と関連付けられていないことを示し、物体の周波数と注意に基づく視覚的証拠がシーンの異なる側面を捉えていることを示唆している。
これらの結果は,提案モデルが精度の高い地域画像位置情報をサポートできることを示すとともに,その予測の根底にある視覚的手がかりのオブジェクトレベル検査を可能にした。
関連論文リスト
- Object-Level Explanations for Image Geolocation Models: a GeoGuessr use-case [9.175493548143768]
位置情報モデルで用いられる視覚的エビデンスを調べるために,オブジェクト中心分析パイプラインを提案する。
3つの国でのベンチマーク実験では、帰属誘導作物は無作為作物よりもモデルの予測に関する情報を常に保持していることが示されている。
論文 参考訳（メタデータ） (2026-04-29T09:44:02Z) - Where Do Vision-Language Models Fail? World Scale Analysis for Image Geolocalization [3.713195826948382]
VLM(Vision-Language Models)は、マルチモーダルタスクにまたがる強力なゼロショット推論能力を示す。
地上画像のみを用いた国レベルの画像位置情報化のための複数の最先端VLMの体系的評価を行う。
論文 参考訳（メタデータ） (2026-04-17T17:09:14Z) - 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) - Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。
我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
論文 参考訳（メタデータ） (2025-10-13T01:12:21Z) - 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) - GeoArena: An Open Platform for Benchmarking Large Vision-language Models on WorldWide Image Geolocalization [21.941170274245223]
画像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地理的位置を予測することを目的としている。
現在の評価手法には2つの大きな制限がある。
グローバルな画像位置決めタスク上でLVLMを評価するための,最初のオープンプラットフォームであるGeoArenaを提案する。
論文 参考訳（メタデータ） (2025-09-04T15:52:04Z) - From Pixels to Places: A Systematic Benchmark for Evaluating Image Geolocalization Ability in Large Language Models [14.178064117544082]
画像のジオローカライゼーションは、危機対応、デジタル法医学、位置に基づくインテリジェンスなどの応用において重要である。
大規模言語モデル(LLM)の最近の進歩は、視覚的推論の新しい機会を提供する。
我々は, 精度, 距離誤差, 地理空間バイアス, 推論過程を体系的に評価する, imageO-Bench というベンチマークを導入する。
論文 参考訳（メタデータ） (2025-08-03T06:04:33Z) - 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) - PIGEON: Predicting Image Geolocations [44.99833362998488]
本稿では, セマンティックジオセル生成, マルチタスクコントラスト事前学習, 新たな損失関数を組み合わせた新しいジオローカライズシステムを提案する。
PIGEOTTOは、目に見えない場所に効果的に一般化する最初の画像ジオローカライズモデルである。
論文 参考訳（メタデータ） (2023-07-11T23:36:49Z) - 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) - G^3: Geolocation via Guidebook Grounding [92.46774241823562]
本研究では,人間が位置情報に用いている視覚的特徴を記述した人書きガイドブックから,明示的な知識について検討する。
多様な場所からのストリートビュー画像のデータセットを用いたガイドブックグラウンディングによるジオロケーションのタスクを提案する。
提案手法は,Top-1の精度が5%以上向上し,最先端の画像のみの位置決め法よりも大幅に向上する。
論文 参考訳（メタデータ） (2022-11-28T16:34:40Z) - Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image
Matching [102.39635336450262]
地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。
我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
論文 参考訳（メタデータ） (2022-03-26T20:10:38Z)
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。