論文の概要: GeoChrono: Benchmarking and Rethinking Long-Term Temporal Understanding in Remote Sensing

• arxiv url: http://arxiv.org/abs/2607.15768v1
• Date: Fri, 17 Jul 2026 08:58:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.80698
• Title: GeoChrono: Benchmarking and Rethinking Long-Term Temporal Understanding in Remote Sensing
• Title（参考訳）: GeoChrono:リモートセンシングにおける長期的時間的理解のベンチマークと再考
• Abstract要約: GeoChronoは、長期の地理的進化をトレースし、記憶し、推論する能力を増強したMLLMである。 GeoChronoはChronoBenchの最先端のパフォーマンスを達成し、主要な商用MLLMを20%以上上回っている。 C2FCompはGeoChronoの94.6%のパフォーマンスを維持しながら、視覚トークンを56%以上削減した。
• 参考スコア（独自算出の注目度）: 27.96895706508924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing offers an unparalleled vantage point for observing the Earth's long-term surface evolution, yet it demands that a model not only perceive land cover at isolated moments, but also track changes, memorize evolution histories, and reason across time and space. However, existing studies lack a systematic evaluation that dissects these distinct competencies. To fill this gap, we introduce ChronoBench, a multidimensional benchmark that decomposes this task into four progressive cognitive levels (i.e., Land Cover Perception, Temporal Recognition, Long-Term Memory, and Spatio-Temporal Reasoning). The ChronoBench comprises 12 sub-tasks and 17,689 rigorously validated QA (Question-Answer) pairs. Extensive evaluations reveal that mainstream MLLMs fall drastically behind human experts, with Long-Term Memory emerging as the most critical bottleneck. Motivated by this finding, we further propose GeoChrono, an MLLM with enhanced capabilities for tracing, memorizing, and reasoning about long-term geographic evolution. Leveraging the physical prior that geographic parcels remain spatially fixed while their semantics evolve, we design a Temporal Trajectory Encoder~(TempEnc) that constructs per-location temporal trajectories for dedicated land cover evolution modeling, and we introduce a Coarse-to-Fine Token Compressor~(C2FComp) that adaptively preserves dynamic regions while compressing the static background. To support training, we also construct ChronoInstruct, a 104K-sample instruction-tuning dataset spanning all competency levels for training. GeoChrono achieves state-of-the-art performance on ChronoBench, surpassing the leading commercial MLLMs by over 20%, while C2FComp reduces visual tokens by over 56% while retaining GeoChrono's 94.6% performance. The code and data will be available at https://github.com/IntelliSensing/GeoChrono
• Abstract（参考訳）: リモートセンシングは、地球の長期的な表面の進化を観察するためには、例外なく有利な点を提供するが、それは、孤立した瞬間に土地のカバーを知覚するだけでなく、変化を追跡し、進化の歴史を記憶し、時間と空間をまたいだ理由も求める。 しかし、既存の研究はこれらの異なる能力を見分ける体系的な評価を欠いている。 このギャップを埋めるために、我々はChronoBenchという、このタスクを4つの進歩的認知レベル(土地被覆知覚、時間認識、長期記憶、時空間推論)に分解する多次元ベンチマークを紹介した。 クロノベンチは12のサブタスクと17,689の厳格に検証されたQA対からなる。 大規模な評価の結果、MLLMは人間の専門家に大きく遅れており、長期記憶が最も重要なボトルネックとなっていることが判明した。 この発見に触発されたGeoChronoは、長期的地理的進化の追跡、記憶、推論能力の強化されたMLLMである。 静止背景を圧縮しながら動的領域を適応的に保存するCoarse-to-Fine Token Compressor~(C2FComp)を導入する。 トレーニングを支援するために、トレーニングのためのすべての能力レベルにまたがる104Kサンプルの命令チューニングデータセットであるChronoInstructを構築した。 GeoChronoはChronoBenchの最先端のパフォーマンスを達成し、主要な商用MLLMを20%以上上回り、C2FCompはGeoChronoの94.6%のパフォーマンスを維持しながらビジュアルトークンを56%以上減らした。 コードとデータはhttps://github.com/IntelliSensing/GeoChronoで入手できる。

関連論文リスト

• LongEarth-R1: Benchmarking and Aligning Vision-Language Models for Long-Horizon Earth Observation Reasoning [63.001172313432114]
  ロングホライゾン地球観測推論は、多段階の地理的進化を組織化し、空間的変化を局所化し、時間的異常を検出し、拡張された画像列から未来を推測するモデルを必要とする。 我々は、明示的なシーケンス識別子と構造化されたチェーン・オブ・シントによる教師付き微調整によりLongEarthを開発する。 LongEarth-R1は、標準のリモートセンシングベンチマークで競争力を維持しながら、12のロングシーケンスタスクで最高の結果を得る。
  論文  参考訳（メタデータ） (2026-08-13T15:14:59Z)
• ChronoEarth-492K: A Large Scale and Long Horizon Spatiotemporal Hyperspectral Earth Observation Dataset and Benchmark [29.791943499456426]
  クロノアース-492Kは、NASAのEO SSL-1ミッションで製作された最初の大規模、時間的に調整されたハイパースペクトルアーカイブである。 17年間に185,398のグローバルなロケーションに492,354の調和パッチがあり、28,786のサイトが複数の時間的シーケンスを含んでいる。 この基盤の上に構築されたChronoEarth-Benchmarkは,静的,短期,長期の時間的タスクにまたがる統一評価スイートである。
  論文  参考訳（メタデータ） (2026-05-15T06:44:23Z)
• TimeSpot: Benchmarking Geo-Temporal Understanding in Vision-Language Models in Real-World Settings [10.091610297997613]
  視覚言語モデルにおける実世界の時空間推論を評価するためのベンチマークであるTimeSpotを紹介する。 TimeSpotは80か国から1,455の地上レベルの画像で構成されている。 視覚的証拠から直接、時間的属性と地理的属性の構造化予測が必要である。 また、現実世界の不確実性の下で物理的妥当性をテストする空間的時間的推論タスクも含んでいる。
  論文  参考訳（メタデータ） (2026-03-04T07:27:35Z)
• ChronoGS: Disentangling Invariants and Changes in Multi-Period Scenes [21.94404265718666]
  時間的に変調されたガウス表現であるクロノGSを導入し、アンカー足場内の全ての周期を再構築する。 ChronoGSは、再構築品質と時間的一貫性において、ベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2025-11-24T05:55:33Z)
• Long-Context State-Space Video World Models [66.28743632951218]
  本稿では、状態空間モデル(SSM)を活用して、計算効率を損なうことなく時間記憶を拡張する新しいアーキテクチャを提案する。 我々の設計の中心はブロックワイズSSMスキャン方式であり、時間記憶の拡張のために空間整合性を戦略的にトレードオフする。 メモリ迷路とMinecraftのデータセットの実験は、我々のアプローチが長距離メモリ保存のベースラインを超えたことを示している。
  論文  参考訳（メタデータ） (2025-05-26T16:12:41Z)
• Leveraging Multivariate Long-Term History Representation for Time Series Forecasting [6.661358934189792]
  MTS予測のためのLMHR(Long-term Multivariate Representation)というフレームワークを提案する。 LMHRは、長期の歴史をセグメントレベルの文脈表現にエンコードし、ポイントレベルのノイズを低減する。 急速に変化するパターンのトップ10%で予測精度を9.8%向上させる。
  論文  参考訳（メタデータ） (2025-05-20T03:46:36Z)
• Chronocept: Instilling a Sense of Time in Machines [1.979158763744267]
  クロノセプションは、時間とともに連続的な確率分布として時間的妥当性をモデル化する最初のベンチマークである。 出現、崩壊、ピーク関連性の微妙なパターンを捉えている。 私たちのベースラインは、位置、スケール、歪といった曲線パラメータを予測し、解釈可能で一般化可能な学習を可能にします。
  論文  参考訳（メタデータ） (2025-05-12T15:07:32Z)
• SpaceVLLM: Endowing Multimodal Large Language Model with Spatio-Temporal Video Grounding Capability [58.46310813774538]
  大規模言語モデル (LMLM) は時間的あるいは空間的局所化において顕著な進歩を遂げた。 しかし、彼らは時間的なビデオグラウンドの実行に苦慮している。 この制限は2つの大きな課題に起因している。 時間的ビデオグラウンドティングを具備したMLLMVLであるSpaceLMを紹介する。
  論文  参考訳（メタデータ） (2025-03-18T07:40:36Z)
• 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)
• Exploring Temporally-Aware Features for Point Tracking [58.63091479730935]
  Chronoは、時間的認識を組み込んだポイントトラッキング用に特別に設計された機能バックボーンである。 Chronoは、TAP-Vid-DAVISとTAP-Vid-Kineticsデータセットの洗練されたフリー設定で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-01-21T15:39:40Z)
• Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change [82.31647863785923]
  人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。 Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。 NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
  論文  参考訳（メタデータ） (2023-11-15T20:09:29Z)

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。