論文の概要: BEACON: Behavioral and Semantic Enrichment of AlphaEarth Embeddings through Tri-Modal Contrastive Learning

• arxiv url: http://arxiv.org/abs/2608.29553v1
• Date: Sun, 30 Aug 2026 04:46:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.995583
• Title: BEACON: Behavioral and Semantic Enrichment of AlphaEarth Embeddings through Tri-Modal Contrastive Learning
• Title（参考訳）: BEACON:トリモーダルコントラスト学習によるアルファアース埋め込みの行動的・意味的豊か化
• Abstract要約: 都市空間の3つの視点を整合させる3モーダル・コントラスト学習フレームワークBEACONを提案する。 BEACONはAlphaEarthに対する相対R2を、肥満の有病率で43%、精神疾患で34%、中央値の世帯所得で22%まで改善している。 これらの知見は,意味的および行動的信号を用いた地理空間基盤モデルの付加価値を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 9.468116544984651
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Geospatial foundation models such as the AlphaEarth Foundation produce compact and globally consistent representations of the Earth's surface that transfer effectively to a wide range of downstream tasks. However, because these models are trained primarily on Earth-observation imagery, their embeddings mainly capture physical and spectral characteristics while encoding human activity and urban function only weakly. To address this limitation, we propose BEACON, a tri-modal contrastive learning framework that aligns three complementary views of urban space: physical representations from AE embeddings, semantic representations from point-of-interest (POI) text, and human behavioral representations from hourly POI visitation, while keeping the deployed representation image-only. Using the Houston Metropolitan Area as a case study area, we evaluated the performance of the BEACON framework on nine downstream tasks, including seven regression and two classification tasks against six baselines (raw coordinates, Space2Vec, SatCLIP, TESSERA, Clay and AlphaEarth), using frozen linear and MLP probes over five seeds. Under a linear probe, BEACON improves relative R^2 over AlphaEarth by up to 43% for obesity prevalence, 34% for poor mental health, and 22% for median household income, while remaining competitive in the prediction of physical and environmental variables. These findings highlight the value of augmenting geospatial foundation models with semantic and behavioral signals, extending their applicability from physical Earth observation to human-centered urban analytics.
• Abstract（参考訳）: AlphaEarth Foundationのような地球空間基盤モデルは、地球表面のコンパクトで一貫した表現を生成し、効果的に下流のタスクに転送する。 しかし、これらのモデルは主に地球観測画像に基づいて訓練されているため、その埋め込みは主に物理的・スペクトル的な特徴を捉えながら、人間の活動と都市機能のコーディングは弱くしかありません。 この制限に対処するために,AE埋め込みからの物理表現,POIテキストからの意味表現,時間単位のPOI訪問からの人間の行動表現の3つの相補的な都市空間の視点を整合させる3モーダル・コントラスト学習フレームワークBEACONを提案する。 ヒューストン大都市圏をケーススタディ分野として用いて,5種以上の凍結線形およびMLPプローブを用いて,7つの回帰と2つの分類タスクを含む9つの下流タスク(生座標,Space2Vec,SatCLIP,TESSERA,Clay,AlphaEarth)におけるBEACONフレームワークの性能を評価した。 線形調査では、BEACONはAlphaEarthに対する相対R^2を、肥満の有病率で最大43%、精神疾患で34%、中央値の世帯所得で22%改善する一方、身体および環境変数の予測では競争力を維持している。 これらの知見は,地空間基盤モデルに意味的および行動的信号を加えることの価値を強調し,その適用性は地球観測から人間中心の都市分析まで拡大した。

関連論文リスト

• Probing Geospatial SSL Representations with Environmental Signals [51.908606610432194]
  自己教師付き学習(SSL)は、単一のタスクに最適化された表現ではなく、汎用的で転送可能な表現を学ぶように設計されている。 SSL表現は、イメージングプロセスと共変する環境変数との統計的関連を保存しているか? この問題に対処するために、我々は、物理的に一貫した環境変数のグローバルデータセットである共配置ERA5再解析変数を用いてSSL表現を探索する。
  論文  参考訳（メタデータ） (2026-07-06T15:24:25Z)
• Better Together: Evaluating the Complementarity of Earth Embedding Models [5.793071003655904]
  地球埋め込みモデルは、地球観測データを地球表面の場所と一意に結びついた埋め込みに変換する。 これらのモデルは通常、個別に評価され、異なる地球埋め込みで下流タスクのパフォーマンスを比較する。 本研究では, それらの相補性による地球埋め込みの評価について提案する: 最高の単一モデルベースライン上での融合埋め込みの性能向上である。
  論文  参考訳（メタデータ） (2026-05-18T17:10:13Z)
• Slum Detection and Density Mapping with AlphaEarth Foundations: A Representation Learning Evaluation Across 12 Global Cities [9.982796078979648]
  画素レベルのスラムマッピングは、長い間、限られた都市間一般化によって制約されてきた。 AlphaEarth Foundationsは、軽量スラムモニタリングのための新しい分析可能なベースを提供する。 我々は,12都市と69都市年対のスラム分類とサブピクセル密度推定についてAFFを評価した。
  論文  参考訳（メタデータ） (2026-05-11T05:54:15Z)
• Earth Embeddings Reveal Diverse Urban Signals from Space [17.134313498337804]
  都市信号予測のために、AlphaEarth、Prithvi、Clayの3つの地球埋め込みファミリーをベンチマークした。 統一的な教師付き学習フレームワークを用いて、犯罪、収入、健康、旅行行動にまたがる14の地区レベルの指標を予測する。 以上の結果から, 地層埋没が都市構造に結びつく結果の予測技術として, かなりの都市変動を捉えていることが示唆された。
  論文  参考訳（メタデータ） (2026-04-03T20:58:37Z)
• UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass [83.7071371474926]
  UniSHは、統合されたフィードフォワードフレームワークで、共同でメートルスケールの3Dシーンと人間の再構築を行う。 我々のフレームワークは、シーン再構築とHMRとの違いを強く橋渡しします。 本モデルは,人間中心のシーン再構築における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） (2026-01-03T16:06:27Z)
• Beyond AlphaEarth: Toward Human-Centered Spatial Representation via POI-Guided Contrastive Learning [0.8677773374912304]
  AETHER(AlphaEarth-POI Enriched Representation Learning)は、関心のポイント(POI)で案内される多モードアライメントを通して、AlphaEarthを人間中心の都市分析に適用する グレーター・ロンドンでは、AETHERは、土地利用分類F1の相対的な改善が7.2%、社会経済マッピングのクルバック・リーブラー分岐の相対的な減少が23.6%である。
  論文  参考訳（メタデータ） (2025-10-10T22:20:39Z)
• TerraMAE: Learning Spatial-Spectral Representations from Hyperspectral Earth Observation Data via Adaptive Masked Autoencoders [1.1999555634662633]
  多様な地理空間解析のための空間スペクトル埋め込みを高度に代表的に学習するために設計された新しいHSI符号化フレームワークTerraMAEを紹介する。 高忠実度画像再構成における空間-スペクトル情報保存によるその効果を実証する。
  論文  参考訳（メタデータ） (2025-08-09T15:32:22Z)
• GRACE: Estimating Geometry-level 3D Human-Scene Contact from 2D Images [54.602947113980655]
  人景接触の幾何レベルを推定することは、特定の接触面点を3次元の人間ジオメトリに接することを目的としている。 GRACE(Geometry-level Reasoning for 3D Human-scene Contact Estimation)は,3次元接触推定のための新しいパラダイムである。 ポイントクラウドエンコーダ/デコーダアーキテクチャと階層的特徴抽出と融合モジュールが組み込まれている。
  論文  参考訳（メタデータ） (2025-05-10T09:25:46Z)
• 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)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• TriHuman : A Real-time and Controllable Tri-plane Representation for Detailed Human Geometry and Appearance Synthesis [76.73338151115253]
  TriHumanは、人間によって調整され、変形可能で、効率的な三面体表現である。 我々は、未変形の三面体テクスチャ空間に、地球規模のサンプルを厳格にワープする。 このような三面的特徴表現が骨格運動でどのように条件付けされ、動的外観や幾何学的変化を考慮に入れられるかを示す。
  論文  参考訳（メタデータ） (2023-12-08T16:40:38Z)

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。