論文の概要: Physically Typed and Geometry-Aware Representations for Earth Foundation Models

• arxiv url: http://arxiv.org/abs/2609.13868v1
• Date: Sat, 12 Sep 2026 10:42:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.592246
• Title: Physically Typed and Geometry-Aware Representations for Earth Foundation Models
• Title（参考訳）: 地球基盤モデルのための物理タイプと幾何学的表現
• Abstract要約: 地球観測基盤モデルは、マンティックな高次元地理空間埋め込みを学習するのに非常に効果的である。 現代の気象・気候モデルでは、地球固有の幾何学、球面演算子、メッシュ、ハイブリッド物理解法が予測を大幅に改善できることが示されている。 この提案は、一般目的の地球基盤モデルがこれらの区別を明示的に保持すべきかどうかを問うものである。
• 参考スコア（独自算出の注目度）: 2.8873824345863883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Earth-observation (EO) foundation models have become exceptionally effective at learning se mantic, high-dimensional geospatial embeddings, while modern weather and climate models have demonstrated that Earth-specific geometry, spherical operators, meshes, and hybrid physical solvers can materially improve prediction. Yet these two advances are not equivalent. A conventional latent embedding has no inherent physical transformation law, whereas scalar fields, tangent polar-vector fields, axial/pseudovector quantities, covectors, and higher-order tensors transform differently under rotations, reflections, and changes of local coordinate frame. This proposal asks whether a general purpose Earth foundation model should preserve those distinctions explicitly, or whether standard embeddings plus augmentation already learn everything that matters. The central contribution is therefore not a more complicated architecture by assumption, but a staged falsification program. A compute-conscious ERA5 dry run first compares conventional, augmentation-matched, typed equivariant, and Hodge/Helmholtz variants under spatial, temporal, orientation, and low-data shifts. Only if explicit geometric typing yields reproducible improvements does the program advance toward a multimodal Earth foundation model in which semantic embeddings coexist with physically typed fields. The proposed gap is narrower and more defensible than claiming that current models ignore geometry entirely: several systems already respect spherical domain geometry, and emerging work explicitly learns scalar/vector fields on spheres. The unresolved question is whether foundation-scale, multimodal, parity-aware field typing produces practical gains beyond those existing approaches.
• Abstract（参考訳）: 地球観測基盤モデル(EO)は、地球固有の幾何学、球面演算子、メッシュ、ハイブリッド物理計算器が予測を大幅に改善できることを、現代の気象と気候モデルが示している。 しかし、この2つの進歩は同等ではない。 従来の潜伏埋め込みは固有の物理変換則を持たないが、スカラー場、接極ベクトル場、軸/擬ベクトル量、コベクター、高次テンソルは回転、反射、局所座標フレームの変化の下で異なる変換を行う。 この提案は、汎用地球基盤モデルがこれらの区別を明確に維持すべきかどうか、あるいは標準埋め込みと拡張が既に重要なことを全て学んでいるかどうかを問うものである。 したがって、中心的な貢献は仮定によるより複雑なアーキテクチャではなく、段階的なファルシフィケーションプログラムである。 ERA5ドライランは、まず、空間、時間、方向、低データシフトの下で、従来の拡張マッチング、型付き同変、ホッジ/ヘルムホルツの変分と比較する。 明示的な幾何学的タイピングが再現可能な改善をもたらす場合に限り、プログラムは、意味的な埋め込みが物理的に型付けされたフィールドと共存するマルチモーダルなアース基盤モデルに向けて前進する。 提案されたギャップは、現在のモデルは幾何を完全に無視していると主張するよりも狭く、より防御可能である:いくつかのシステムは既に球状領域幾何学を尊重しており、新しい研究は球面上のスカラー/ベクトル場を明示的に学習している。 未解決の問題は、基礎規模、マルチモーダル、パリティを意識したフィールドタイピングが、既存のアプローチよりも実践的な利益をもたらすかどうかである。

関連論文リスト

• Panoramic Scene Analysis: A Survey from Distortion-Aware Engineering to Sphere-Native Foundation Modeling [1.8625021794520016]
  パノラマ画像は単一のフレームで完全な視覚球をキャプチャし、従来のカメラでは達成できない空間的コンテキストを提供する。 2次元球面を平面に忠実にマッピングすることはできず、すべての平面表現は標準視覚アーキテクチャの前提となる仮定に反する歪みを導入する。 本研究は,プロジェクションに基づく適応から歪み認識工学,スフィアネイティブモデリング,基礎モデルの幾何認識トークン化に至るまで,方法論的軌道に沿ったパノラマシーン解析の進化を辿るものである。
  論文  参考訳（メタデータ） (2026-06-26T05:54:38Z)
• SpatialEvo: Self-Evolving Spatial Intelligence via Deterministic Geometric Environments [75.60795462502949]
  SpaceEvoは3D空間推論のための自己進化型フレームワークである。 16の空間推論タスクカテゴリを明示的な幾何学的検証規則で定式化する。 注釈のない3Dシーンをゼロノイズのインタラクティブなオラクルに変換し、モデルコンセンサスを客観的な物理的フィードバックに置き換える。
  論文  参考訳（メタデータ） (2026-04-15T17:59:12Z)
• Beyond Attention: True Adaptive World Models via Spherical Kernel Operator [0.0]
  標準的な注意を置き換えるフレームワークであるSpherical Kernelを紹介します。 SKOは、エージェントの偏りのある観察周波数から真の環境遷移のダイナミクスを数学的に分離する。 経験的評価により、SKOは自己回帰言語モデリングにおいて、収束を著しく加速し、標準の注意ベースラインを上回ることが確認される。
  論文  参考訳（メタデータ） (2026-02-25T21:51:34Z)
• Harmonizing Geometry and Uncertainty: Diffusion with Hyperspheres [43.20744744438439]
  本稿では,超球面構造を指向性雑音に整合させ,クラス形状を保ち,角の不確実性を効果的に捉えるためにHyperSphereDiffを導入する。 4つのオブジェクトデータセットと2つの顔データセットの枠組みを評価し,角不確かさを組み込むことで,下層の超球面多様体をよりよく保存できることを示した。
  論文  参考訳（メタデータ） (2025-06-12T11:10:52Z)
• Follow the Energy, Find the Path: Riemannian Metrics from Energy-Based Models [63.331590876872944]
  本稿では,事前学習したエネルギーベースモデルから直接リーマン計量を導出する手法を提案する。 これらの測度は空間的に異なる距離を定義し、測地学の計算を可能にする。 EBM由来のメトリクスは、確立されたベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2025-05-23T12:18:08Z)
• Position: Beyond Euclidean -- Foundation Models Should Embrace Non-Euclidean Geometries [42.83280708842304]
  ユークリッド空間は、機械学習アーキテクチャの事実上の幾何学的設定である。 大規模では、実世界のデータは、多方向関係、階層、対称性、非等方スケーリングなど、本質的に非ユークリッド構造を示すことが多い。 本稿では,ユークリッド幾何学を超越した移動は,単なる任意の拡張ではなく,次世代基礎モデルのスケーリング法則を維持することの必要性を論じる。
  論文  参考訳（メタデータ） (2025-04-11T18:07:33Z)
• Bridging Geometric States via Geometric Diffusion Bridge [79.60212414973002]
  本稿では,初期および対象の幾何状態を正確にブリッジする新しい生成モデリングフレームワークであるGeometric Diffusion Bridge (GDB)を紹介する。 GDBは、幾何学的状態の接続のためにDoobの$h$-transformの修正版から派生した同変拡散ブリッジを使用している。 我々はGDBが既存の最先端のアプローチを超越し、幾何学的状態を正確にブリッジするための新しい経路を開くことを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:59:53Z)
• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
  微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。 そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。 本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
  論文  参考訳（メタデータ） (2024-08-22T17:59:01Z)
• Topological Obstructions and How to Avoid Them [22.45861345237023]
  局所最適性は特異点や不正確な次数や巻数によって生じる可能性があることを示す。 本稿では,データポイントを幾何学空間上のマルチモーダル分布にマッピングするフローベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-12T18:56:14Z)
• Surf-D: Generating High-Quality Surfaces of Arbitrary Topologies Using Diffusion Models [83.35835521670955]
  Surf-Dは任意の位相を持つ表面として高品質な3次元形状を生成する新しい方法である。 非符号距離場(UDF)を曲面表現として用いて任意の位相を許容する。 また、ポイントベースのAutoEncoderを用いて、UDFを正確に符号化するためのコンパクトで連続的な潜在空間を学習する新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-11-28T18:56:01Z)
• Quadric hypersurface intersection for manifold learning in feature space [52.83976795260532]
  適度な高次元と大きなデータセットに適した多様体学習技術。 この手法は、二次超曲面の交点という形で訓練データから学習される。 テスト時、この多様体は任意の新しい点に対する外れ値スコアを導入するのに使うことができる。
  論文  参考訳（メタデータ） (2021-02-11T18:52:08Z)

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。