論文の概要: Mapping the City Through the Lens of Language Models

• arxiv url: http://arxiv.org/abs/2608.02971v2
• Date: Fri, 07 Aug 2026 22:07:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 13:55:18.45991
• Title: Mapping the City Through the Lens of Language Models
• Title（参考訳）: 言語モデルのレンズを通して都市をマッピングする
• Abstract要約: 10個のオープンウェイトチェックポイントは、実際の都市中心部から派生した匿名化プロファイルである。 この枠組みは、モデルが普通の都市を実証的に追跡できるとみなすものについて、さほど曖昧な概念を定めている。
• 参考スコア（独自算出の注目度）: 5.705725225868815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language models often complete an underspecified reference to a city with unstated assumptions about urban size, form, infrastructure, environment, and function. We measure those assumptions without naming places. Ten open-weight checkpoints rate anonymized profiles derived from real morphological urban centres across 40 audited indicators and seven domains. The design combines constrained probability-based ratings, prespecified reliability screens, lineage-aware aggregation, multiple population weightings, an independent replication sample, and whole-profile validation. The clearest shared tendency favours urban profiles with larger developed area, faster recent growth, greater mapped infrastructure and non-residential capacity, and less sparse form. Most eligible directions recur in the replication data, and direct ratings of complete profiles show moderate agreement with the indicator-wise construction. Geographic differences shrink after accounting for city scale and development, while reliably measured paired tasks indicate that typicality and desirability are often closely aligned. The framework makes an otherwise vague notion of what models regard as an ordinary city empirically traceable. The resulting evidence delineates a shared yet model-dependent portrait of the city through the lens of language models.
• Abstract（参考訳）: 言語モデルは、しばしば都市の大きさ、形態、インフラ、環境、機能に関する未定の仮定を持つ都市への不特定な参照を完成させる。 我々はこれらの仮定を命名場所なしで測定する。 10個のオープンウェイトチェックポイントは、40の監査指標と7つのドメインにまたがる実際の形態的都市中心から派生した匿名化プロファイルである。 この設計は、制約付き確率ベースの評価、所定の信頼性画面、系統認識集約、複数の人口重み付け、独立した複製サンプル、および全体的な検証を組み合わせる。 最も明確な共有傾向は、より大きな開発地域、より高速な成長、より地図化されたインフラ、非居住能力を持つ都市プロファイルを好んでいる。 最も適当な方向は複製データに再帰し、完全なプロファイルの直接評価は指標的構成と適度な一致を示している。 地理的差異は、都市規模と開発を考慮に入れた後に減少する一方、確実に測定されたペアタスクは、典型性と望ましさが密接に一致していることを示している。 この枠組みは、モデルが通常の都市を実証的に追跡可能なものとみなすものについて、さほど曖昧な概念を定めている。 結果として得られた証拠は、言語モデルのレンズを通して、都市が共有されるが、モデルに依存しない肖像画を描いている。

関連論文リスト

• Life Style Levels: Neighborhood Delineation using Geospatial Data [0.0]
  本研究は,オープンソースの衛星画像から得られた建築形態を応用した,スケーラブルでグリッドベースの都市デライン化フレームワークを提案する。 提案するフレームワークは,インドの都市をまたがる粒度の都市アフルエンスマッピングに対して,スケーラブルで解釈可能で費用対効果の高いアプローチを提供する。
  論文  参考訳（メタデータ） (2026-07-07T17:37:03Z)
• CITYREP: A Unified Benchmark for Urban Representations Across Cities, Tasks, and Modalities [0.8319452826580411]
  CityRepは、空間的に構造化された分割を使用して、データモダリティ、都市、タスク間の都市表現を評価するベンチマークである。 その結果,確率的にスコアが膨らんだり,モデルランキングが変更されたりして,性能は分割プロトコルに非常に敏感であることがわかった。 CityRepは、公正な比較を容易にするために、データセット、評価パイプライン、診断ツールを備えた再現可能なベンチマークとしてリリースされた。
  論文  参考訳（メタデータ） (2026-05-25T17:03:46Z)
• Entropy-Gradient Grounding: Training-Free Evidence Retrieval in Vision-Language Models [77.3748853516374]
  視覚言語モデルのための学習不要なモデル固有のグラウンドリング手法を提案する。 モデルの次トーケン分布のエントロピーを計算し、それを視覚トークン埋め込みにバックプロパタイズしてエントロピー勾配のレバレンスマップを得る。 次に、複数のコヒーレント領域を抽出・ランク付けし、マルチエビデンスクエリをサポートし、空間エントロピー停止規則付き反復的なズーム・アンド・リグラウンド手順を導入する。
  論文  参考訳（メタデータ） (2026-04-09T16:51:42Z)
• When Does Multimodality Lead to Better Time Series Forecasting? [96.26052272121615]
  このようなマルチモーダルな統合が常に利益をもたらすかどうか、どのような条件で検討する。 その結果,マルチモーダリティの利点は条件に依存していることが判明した。 我々の研究は、マルチモーダリティが予測タスクに役立つことをいつ予測できるかを理解するための厳密で定量的な基礎を提供する。
  論文  参考訳（メタデータ） (2025-06-20T23:55:56Z)
• Urban Forms Across Continents: A Data-Driven Comparison of Lausanne and Philadelphia [7.693465097015469]
  本研究では,地理的・文化的に異なる都市間での都市型を識別・比較するためのデータ駆動型枠組みを提案する。 ローザンヌ市,スイス市,フィラデルフィア市において,地形,多様性,緑地,興味点に関連する多次元的特徴を抽出した。 その結果, 規模, 密度, 文化状況の相違にもかかわらず, 両都市にまたがるクラスタタイプが出現している。
  論文  参考訳（メタデータ） (2025-05-05T18:13:22Z)
• CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation [99.23408146027462]
  本稿では,テキスト記述に基づくカメラポーズの分布生成手法を提案する。 提案手法では,ノイズの多い6DoFカメラを高精細化するために拡散型アーキテクチャを用いる。 5つの大規模データセットの標準分布推定法と比較し,本手法の優位性を検証した。
  論文  参考訳（メタデータ） (2025-01-15T17:59:32Z)
• StreetviewLLM: Extracting Geographic Information Using a Chain-of-Thought Multimodal Large Language Model [12.789465279993864]
  地理空間予測は災害管理、都市計画、公衆衛生など様々な分野において重要である。 提案するStreetViewLLMは,大規模言語モデルと連鎖推論とマルチモーダルデータソースを統合した新しいフレームワークである。 このモデルは、香港、東京、シンガポール、ロサンゼルス、ニューヨーク、ロンドン、パリを含む7つの世界都市に適用されている。
  論文  参考訳（メタデータ） (2024-11-19T05:15:19Z)
• Explainable Hierarchical Urban Representation Learning for Commuting Flow Prediction [1.5156879440024378]
  通勤フロー予測は、現実の自治体の業務に欠かせない課題である。 我々は,異なるタイプのODフローを予測するために,意味のある領域埋め込みを生成するヘテロジニアスグラフベースモデルを開発した。 提案モデルでは,一様都市構造の観点から既存モデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-08-27T03:30:01Z)
• Numerically assisted determination of local models in network scenarios [55.2480439325792]
  統計的振る舞いを再現する明示的な局所モデルを見つけるための数値ツールを開発する。 グリーンベルガー・ホルン・ザイリンガー(GHZ)およびW分布の臨界振動性に関する予想を提供する。 開発されたコードとドキュメントは、281.com/mariofilho/localmodelsで公開されている。
  論文  参考訳（メタデータ） (2023-03-17T13:24:04Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Dataset Cartography: Mapping and Diagnosing Datasets with Training Dynamics [118.75207687144817]
  我々はデータセットを特徴付け、診断するモデルベースのツールであるData Mapsを紹介した。 私たちは、トレーニング中の個々のインスタンス上でのモデルの振る舞いという、ほとんど無視された情報のソースを活用しています。 以上の結果から,データ量から品質へのフォーカスの変化は,ロバストなモデルとアウト・オブ・ディストリビューションの一般化に繋がる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-22T20:19:41Z)

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。