論文の概要: HoloGeo: Mitigating Landmark Bias in Geo-localization via Evidence-Driven Reasoning
- arxiv url: http://arxiv.org/abs/2607.15255v1
- Date: Thu, 16 Jul 2026 17:50:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.201415
- Title: HoloGeo: Mitigating Landmark Bias in Geo-localization via Evidence-Driven Reasoning
- Title（参考訳）: HoloGeo:エビデンス駆動推論による地理的ローカライゼーションにおけるランドマークバイアスの緩和
- Abstract要約: 本研究では,地理的局所化の信頼性向上を目的としたエビデンス駆動推論フレームワークHoloGeoを提案する。
HoloGeoは高品質なデータセットであるBF-30kでサポートされており、構造化されたマルチエビデンスバイアスのない推論チェーンでアノテートされている。
- 参考スコア（独自算出の注目度）: 41.973685091427775
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in Vision-Language Models (VLMs) have significantly improved image geo-localization, yet existing models remain susceptible to landmark bias, causing them to overlook geographical cues or form spurious correlations, ultimately resulting in inaccurate localization. To systematically investigate this issue, we first design two quantitative metrics, Bias Intensity (BI) and Bias Harmfulness (BH), to characterize the impact of landmarks exerted on model reasoning, and establish a comprehensive benchmark, LandmarkBias-3K. To mitigate landmark bias, we further propose an evidence-driven reasoning framework, HoloGeo, to improve the reliability of geo-localization. HoloGeo is supported by a high-quality dataset, BF-30k, annotated with structured multi-evidence bias-free reasoning chains. By incorporating multi-dimensional rewards, HoloGeo explicitly encourages balanced attention over diverse visual cues and achieves evidence-driven joint reasoning. Extensive experiments demonstrate that HoloGeo not only maintains excellent performance on IM2GPS3K and YFCC4k but also significantly outperforms existing open-source VLMs on LandmarkBias-3K, validating its effectiveness for robust geospatial reasoning.
- Abstract（参考訳）: VLM(Vision-Language Models)の最近の進歩は画像のジオローカライゼーションを大幅に改善しているが、既存のモデルはランドマークバイアスの影響を受けやすいままであり、地理的手がかりを見落としたり、急激な相関を形成したりし、最終的に不正確なローカライゼーションをもたらす。
この問題を体系的に調査するために,まず,モデル推論におけるランドマークの影響を特徴付けるため,Bias Intensity (BI) と Bias Harmfulness (BH) という2つの定量的指標を設計し,総合的なベンチマークであるLandmarkBias-3Kを構築した。
ランドマークバイアスを軽減するために,エビデンス駆動推論フレームワークであるHoloGeoを提案する。
HoloGeoは高品質なデータセットであるBF-30kでサポートされており、構造化されたマルチエビデンスバイアスのない推論チェーンでアノテートされている。
多次元の報酬を取り入れることで、HoloGeoは様々な視覚的手がかりに対してバランスの取れた注意を喚起し、エビデンス駆動の共同推論を実現する。
大規模な実験により、HoloGeoはIM2GPS3KとYFCC4kで優れた性能を維持しているだけでなく、LandmarkBias-3Kで既存のオープンソースのVLMよりも大幅に優れており、堅牢な地理空間的推論の有効性を検証している。
関連論文リスト
- ERGeoBench:A Comprehensive Benchmark for Embodied Reasoning and Geo-localization in Multimodal Large Language Models [17.86934121595618]
ERGeoBenchは、視覚駆動型ジオローカライゼーションの診断ベンチマークである。
ベンチマークには、グローバルに分散した2,207のストリートビューパノラマが含まれている。
ERGeoBenchは、人間のような具体的地理的ローカライゼーションの診断と進展のための統一されたフレームワークを提供する。
論文 参考訳（メタデータ） (2026-05-29T12:49:17Z) - GeoR-Bench: Evaluating Geoscience Visual Reasoning [102.4693880357753]
現在のAIシステムが、真の地球科学の知性を達成するまでの距離は、まだ不明だ。
我々は,インフォメーション・ビジュアル・編集タスクの推論を通じて,アンダーライン評価のためのアンダーラインベンチマークである textbfGeoR-Bench を提案する。
論文 参考訳（メタデータ） (2026-05-12T05:13:37Z) - 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) - GeoBS: Information-Theoretic Quantification of Geographic Bias in AI Models [34.611626290720295]
我々はGeo-Biasスコア(Geo-Biasスコア)と呼ばれるジオバイアス評価のための情報理論の枠組みを確立する。
複雑な空間要因を考慮に入れた3つの新しい測地バイアススコアを提案する。
論文 参考訳（メタデータ） (2025-09-27T20:07:21Z) - 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) - Recognition through Reasoning: Reinforcing Image Geo-localization with Large Vision-Language Models [47.98900725310249]
新しいパイプラインは、多様なソーシャルメディアイメージを使用して推論指向のジオローカライゼーションデータセットMP16-Reasonを構築する。
GLOBEには、ローカライズビリティアセスメント、ビジュアルキュー推論、位置情報の精度を共同で向上するタスク固有の報酬が組み込まれている。
その結果,GLOBEはジオローカライゼーションタスクにおいて,最先端のオープンソースLVLMよりも優れていることがわかった。
論文 参考訳（メタデータ） (2025-06-17T16:07:58Z) - GRE Suite: Geo-localization Inference via Fine-Tuned Vision-Language Models and Enhanced Reasoning Chains [20.788130896943663]
Geo Reason Enhancement (GRE) Suiteは、解釈可能な位置推論のための構造化推論チェーンを備えたビジュアル言語モデルを拡張する新しいフレームワークである。
まず、GRE30Kという、きめ細かい視覚的・文脈的分析を容易にするために設計された高品質なジオローカライゼーション推論データセットを紹介する。
次に,シーン属性,局所的詳細,意味的特徴を段階的に推測する多段階推論手法を用いて,GREモデルを提案する。
論文 参考訳（メタデータ） (2025-05-24T13:48:57Z) - 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)
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。