Fugu-MT 論文翻訳(概要): Recoverable Geographic Location Information in Earth-Observation Embeddings

論文の概要: Recoverable Geographic Location Information in Earth-Observation Embeddings

arxiv url: http://arxiv.org/abs/2609.29151v1
Date: Thu, 24 Sep 2026 07:29:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:09.771247
Title: Recoverable Geographic Location Information in Earth-Observation Embeddings
Title（参考訳）: 地球観測エンベディングにおける地理的位置情報の検索
Abstract要約: 2024年からの欧州のソーラーファーム284施設を用いて, 組込み表現から座標を予測できるかどうかを検証した。全ての予測モデルは、トレーニング範囲の均一なランダムサンプリングベースラインを著しく上回る。両方のテッセラ変種は、センチネル-2の制御よりも高い地理的距離の相関性を得た。
参考スコア（独自算出の注目度）: 0.6459215652021235
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Earth-observation (EO) foundation models provide reusable embeddings, yet downstream task accuracy does not reveal whether these representations encode geographic information, which may be beneficial for location-aware applications but potentially detrimental when representations invariant to geographic location are desired. We therefore evaluate the geographic coordinate robustness of Tessera v1, Tessera v1.1, and AlphaEarth by testing whether coordinates can be predicted from the embedding representations using 284 quality-verified European solar farms from 2024. We assessed geographic information content information through the association between cosine and geodesic distances and through prediction of projected coordinates in EPSG:3035. Embeddings from all three EO foundation models contain recoverable geographic information. All prediction models significantly outperform training-range uniform random sampling baselines, with AlphaEarth exhibiting the strongest distance association and lowest mean geodesic error. Both Tessera variants also yielded higher geographic distance correlations than the Sentinel-2 controls. These findings motivate geographic information content as an additional criterion for auditing EO foundation models.
Abstract（参考訳）: 地球観測(EO)基礎モデルは、再利用可能な埋め込みを提供するが、下流のタスク精度は、これらの表現が地理的情報を符号化するかどうかを明らかにしていない。そこで我々は2024年から284の欧州のソーラーファームを用いた埋込式から座標を予測できるかどうかを検証し,テッセラ v1,テッセラ v1.1,アルファアースの地理的座標ロバスト性を評価する。 EPSG:3035におけるコサインと測地距離の関連および予測座標の予測による地理情報内容情報の評価を行った。 3つのEOファンデーションモデルからの埋め込みは、回復可能な地理的情報を含んでいる。全ての予測モデルはトレーニング範囲の均一なランダムサンプリングベースラインよりも優れており、AlphaEarthは最遠相関と最低平均測地誤差を示している。両方のテッセラ変種は、センチネル-2の制御よりも高い地理的距離の相関性を得た。これらの知見は,EOファンデーションモデルを監査するための追加基準として,地理情報コンテンツを動機付けている。

関連論文リスト

Revealing Geography-Driven Signals in Zone-Level Claim Frequency Models: An Empirical Study using Environmental and Visual Predictors [1.5484595752241122]
地理的文脈は、しばしば自動車保険のリスクに関連すると考えられているが、公共のアクチュアリアルデータセットは限られた位置識別子を提供する。本研究では,MTPL(Motor Third Party Liability)のクレーム予測において,代替データからの地理情報をアクタリカルモデルに組み込む方法について検討した。
論文参考訳（メタデータ） (2026-04-23T17:44:52Z)
GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文参考訳（メタデータ） (2026-02-13T04:48:05Z)
HyBiomass: Global Hyperspectral Imagery Benchmark Dataset for Evaluating Geospatial Foundation Models in Forest Aboveground Biomass Estimation [1.0408909053766147]
本研究では,森林表層バイオマス(AGB)推定のためのグローバル分散ベンチマークデータセットを提案する。このベンチマークデータセットは、環境マッピング・分析プログラム(EnMAP)衛星からのHSIと、AGB密度推定の予測を組み合わせたものである。このデータセットを用いた実験結果から,評価されたGeo-FMがベースラインU-Netの性能を上回り得るか,場合によっては超えることを示した。
論文参考訳（メタデータ） (2025-06-12T21:29:20Z)
The World As Large Language Models See It: Exploring the reliability of LLMs in representing geographical features [0.0]
本研究では, GPT-4o と Gemini 2.0 Flash の3つの地理空間的タスク(ジオコーディング, 標高推定, 逆ジオコーディング)における性能評価を行った。どちらのモデルもオーストリアの連邦国家の正確な再構築を達成せず、永続的な誤分類を強調した。
論文参考訳（メタデータ） (2025-05-30T20:14:17Z)
Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation [0.39762912548964846]
動的・空間的不均一な応用のための深層学習における位置情報の効果について検討する。日表面PM2.5を衛星観測と地上観測により推定した。以上の結果から,空間一般化の支援により,原座標は領域内の性能を向上させることができるが,領域間の一般化性は低下することが示された。
論文参考訳（メタデータ） (2025-05-24T02:00:34Z)
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)
Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
本稿では,GPSなどの位置情報が存在しない場合の地上画像の位置を推定することの課題について検討する。本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(Recall vs Area)を紹介する。次に,複数の情報源からの情報を組み込んだグローバルな画像位置決め手法について検討する。
論文参考訳（メタデータ） (2024-07-18T19:15:52Z)
Distortions in Judged Spatial Relations in Large Language Models [45.875801135769585]
GPT-4は55%の精度で優れた性能を示し、GPT-3.5は47%、Llama-2は45%であった。モデルは、ほとんどの場合において最も近い基数方向を同定し、その連想学習機構を反映した。
論文参考訳（メタデータ） (2024-01-08T20:08:04Z)
GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文参考訳（メタデータ） (2023-05-11T03:21:56Z)
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)

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。