論文の概要: TerraNova: A Foundation Model for the Anthropocene

• arxiv url: http://arxiv.org/abs/2607.29527v1
• Date: Fri, 31 Jul 2026 15:27:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.780502
• Title: TerraNova: A Foundation Model for the Anthropocene
• Title（参考訳）: TerraNova: 人類新世の基盤モデル
• Abstract要約: 人類新世の問題は、物理的地球と人間社会を1つの結合系としてモデル化することである。 幾何学的障害は、物理的地球は政治的境界を無視した連続した場として測定されるということである。 そこで,本研究では,1024の物理・社会的な記録に基づく基礎モデルについて紹介する。
• 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: A defining problem of the Anthropocene is to model the physical Earth and human societies as one coupled system, yet no learned representation spans their observational breadth. We argue the obstacle is geometric: the physical Earth is measured as continuous fields that ignore political borders, whereas societies are reported for administrative units. Earth-system foundation models serve the first geometry; coupling it to the second has required lossy averaging over borders. We introduce TerraNova, a foundation model trained on 1,024 physical and societal records in their native geometries: 512 gridded Earth-system fields and 512 national indicators. Dedicated encoders represent location, country, time and task, cross-modal transformers fuse them into a shared spatiotemporal state, and a hypernetwork generates a per-query decoder whose evidential head returns a predictive distribution. Two contrastive objectives couple the representation: a population-weighted alignment between each country and coordinates in its territory, and one to pretrained geospatial embeddings carrying image-derived semantics. Read out through that decoder, the representation is competitive with purpose-built geospatial encoders while spanning axes they do not represent (time, oceans and uncertainty) and supporting country-level capabilities. The frozen backbone reconstructs dense fields from sparse observations and adapts to unseen variables in minutes on consumer hardware.
• Abstract（参考訳）: 人類新世の定義上の問題は、物理的地球と人間社会を1つの結合系としてモデル化することであるが、その観察範囲に学習された表現は存在しない。 物理的地球は政治的境界を無視した連続したフィールドとして測定され、社会は行政単位として報告される。 地球系基礎モデルは最初の幾何学的モデルであり、それを2つに結合するには境界を超える平均的な損失が必要となる。 原産地における1024の物理的および社会的記録に基づいて訓練された基礎モデルであるTerraNovaを紹介した。 専用エンコーダは場所、国、時間、タスクを表し、クロスモーダルトランスフォーマーはそれらを共有時空間状態に融合させ、ハイパーネットワークは、明らかなヘッドが予測分布を返すクエリごとのデコーダを生成する。 対照的な2つの目的は、各国間の人口重み付けと、その領域内の座標、および画像固有の意味論を持つ事前訓練された地理空間埋め込みである。 このデコーダを通して読み取ると、その表現は目的に作られた地理空間エンコーダと競合する一方で、それらが表さない軸(時間、海、不確実性)を分散し、国レベルの能力をサポートする。 凍結したバックボーンは、粗い観測から密場を再構築し、消費者ハードウェア上で数分で見えない変数に適応する。

関連論文リスト

• GeoBridge: Decoupled Semantic Conditioning for Generative Image Geolocalization [17.266391813612746]
  GeoBridgeは、セマンティックMLLMを、球面上の座標を生成する凍ったフローマッチングヘッドに接続するロール分離型条件付け機構である。 IM2GPS3Kでは、GeoBridgeは25/200/750kmの閾値で38.67/52.89/70.37に達する。
  論文  参考訳（メタデータ） (2026-08-12T09:21:02Z)
• Tessellating The Earth [16.078192224421084]
  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。
  論文  参考訳（メタデータ） (2026-06-25T19:58:13Z)
• Spatial Representation Learning Beyond Pixels: Unifying Raster Data and Vector Semantics for Human-Centric Geospatial Foundation Models [12.200359585933766]
  自己教師型学習の最近の進歩は地球観測基礎モデル(EOFMs)を提起した 本稿では,ベクトルベース推論と認識を統合した統合埋め込み空間における共同空間表現学習(SRL)へのパラダイムシフトを提案する。 このような統合は、地球をより正確で、解釈可能で、根底から理解できる次世代の地理空間AIシステムの開発に不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2026-06-01T15:21:58Z)
• KitchenTwin: Semantically and Geometrically Grounded 3D Kitchen Digital Twins [11.881796071022157]
  身体的なAIトレーニングと評価には、正確なメートル法とセマンティックグラウンドを備えたオブジェクト中心のデジタルツインが必要である。 近年のトランスフォーマーによるフィードフォワード再構成手法は, 粗いモノクロビデオから大域点雲を効率的に予測できる。 このミスマッチは、これらの次元のないクラウド予測と局所的に再構成されたオブジェクトメッシュとの信頼性の高い融合を防ぐ。
  論文  参考訳（メタデータ） (2026-03-25T18:03:45Z)
• HeRO: Hierarchical 3D Semantic Representation for Pose-aware Object Manipulation [54.325346533275074]
  HeROは、階層的意味論を通して幾何学と意味論を結合する拡散ベースのポリシーである。 様々なテストにおいて、HeROは新しい最先端技術を確立し、Place Dual Shoesの成功率を12.3%改善し、6つの挑戦的なポーズ対応タスクで平均6.5%向上した。
  論文  参考訳（メタデータ） (2026-02-21T12:29:10Z)
• Localized, High-resolution Geographic Representations with Slepian Functions [18.055849990488834]
  地理的データは基本的に地域的であり、人口集中部の病気の発生、海岸線に沿って生態パターンが出現し、経済活動が国境内で集中している。 しかし、地理的位置を符号化する機械学習モデルは、ローカライズされたアプリケーションに必要な微細な解像度に苦しむ、世界中に一様に表現能力を分配する。 本研究では,球面スレピアン関数を用いた地理的位置エンコーダを提案する。
  論文  参考訳（メタデータ） (2026-01-30T23:11:41Z)
• Geodiffussr: Generative Terrain Texturing with Elevation Fidelity [48.82552523546255]
  テキスト誘導テクスチャマップを合成するフローマッチングパイプラインであるGeodiffussrを紹介する。 マルチスケールコンテンツアグリゲーション(MCA): DEM機能は、複数の解像度でUNetブロックに注入され、グローバルからローカライズされた高度の一貫性が強制される。 Geodiffussrを訓練し,評価するために,SRTM由来のDEMとSentinel-2画像と視覚接地型自然出現キャプションを組み合わせた三重項のグローバル分布,バイオメ-および気候成層コーパスを組み立てた。
  論文  参考訳（メタデータ） (2025-11-28T09:52:44Z)
• Geo2Vec: Shape- and Distance-Aware Neural Representation of Geospatial Entities [13.206124101350847]
  署名された距離場(SDF)にインスパイアされた新しい手法であるGeo2Vecを導入し、元の空間で直接動作する。 SDFを近似するように訓練されたニューラルネットワークは、すべてのジオエンタリティタイプに対してコンパクトで幾何学的、統一された表現を生成する。 実験結果から,Geo2Vecは形状と位置を表す既存の手法より一貫して優れており,トポロジカルおよび距離の関係を捉え,実世界のGeoAIアプリケーションにおいて高い効率を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-08-26T07:12:28Z)
• TerraFM: A Scalable Foundation Model for Unified Multisensor Earth Observation [65.74990259650984]
  本研究では,グローバルに分散したSentinel-1とSentinel-2画像を利用する,スケーラブルな自己教師型学習モデルTerraFMを紹介する。 我々のトレーニング戦略は、局所的・言語的コントラスト学習を統合し、二重中心化機構を導入する。 TerraFMは分類タスクとセグメンテーションタスクの両方において強力な一般化を実現し、GEO-BenchとCopernicus-Benchの先行モデルよりも優れている。
  論文  参考訳（メタデータ） (2025-06-06T17:59:50Z)
• 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)
• 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)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• HDGT: Heterogeneous Driving Graph Transformer for Multi-Agent Trajectory Prediction via Scene Encoding [76.9165845362574]
  運転シーンをノードやエッジの異なる異種グラフとしてモデル化するバックボーンを提案する。 空間的関係符号化では、ノードの座標とエッジの座標は局所ノード中心座標系に含まれる。 実験結果から,HDGTは軌道予測のタスクに対して最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2022-04-30T07:08:30Z)

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。