論文の概要: AlphaEarth distinguishes cities but compresses urban variation

• arxiv url: http://arxiv.org/abs/2609.30356v1
• Date: Thu, 24 Sep 2026 17:43:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.075827
• Title: AlphaEarth distinguishes cities but compresses urban variation
• Title（参考訳）: AlphaEarthは都市を区別するが、都市の変化を圧縮する
• Abstract要約: 都市は建設形態、土地被覆、開発史で異なり、場所と時間間で比較が複雑である。 ここでは、AlphaEarthに焦点をあてて、この表現を監査するが、他の地球埋め込みにも適用可能である。 世界平均方向から62.7の超球面上の移り変わりながら重なり合う地域を都市が占めており、大陸と気候は除外された国の都市中心の平均方向の24.3%の変動を予測している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cities differ in built form, land cover and development history, complicating comparison across places and time. Satellite foundation models map Earth's surface onto common numerical representations. Yet the tasks and targets used to shape them typically do not focus on cities: globally consistent labels for urban function do not exist, and many datasets - especially land cover and land use classifications - collapse the built environment into few classes. Here we audit the representation, focusing on AlphaEarth but with broader applicability to other Earth embeddings, by probing the geometry and geography of embeddings for 1,000 urban areas in 162 countries. We find that cities occupy a shifted but overlapping region on the hypersphere, 62.7° from the global mean direction, and continent and climate predict 24.3% of variation among the mean directions of urban centres in excluded countries. Inside cities, degrees of urbanisation carry 8.9% of the variation, and what they leave holds shared directions whose local orientation varies, not one universal axis of urbanisation. Retained variation is itself unequal: dispersion within urban centres is 14.1% greater per standard deviation of national development, even after adjusting for population, land area and continent. Further controls suggest cities in developing countries present less contrast in vegetation and texture, and dispersion follows that contrast: full adjustment for it leaves at most 6.4% of the gradient. Annually, a city's representation moves nearly eight times more than redrawing its own pixels explains, and contracts where the 2022 loss of Sentinel-1B removed a pass direction. AlphaEarth's representations therefore support comparison across regions, while the differences between its annual layers are not yet validated for comparison over time.
• Abstract（参考訳）: 都市は建設形態、土地被覆、開発史で異なり、場所と時間間で比較が複雑である。 衛星基礎モデルは、地球の表面を一般的な数値表現にマッピングする。 グローバルに一貫した都市機能ラベルは存在せず、多くのデータセット(特に土地被覆と土地利用の分類)は、構築された環境を少数のクラスに分解する。 ここでは、AlphaEarthに焦点をあて、他の地球埋没地にも適用可能であることに着目し、162か国1,000の都市の埋没地の地形と地理を調査する。 世界平均方向から62.7°の超球面上の移り変わりが重なり合う地域を都市が占めており、大陸と気候は除外された国の都市中心の平均方向の24.3%の変動を予測している。 都市内では、都市化の度合いは8.9%であり、都市化の普遍的な軸ではなく、地域指向が変化する共有方向を保っている。 都市の中心部における分散は、人口、土地、大陸の調整後であっても、国の発展の標準偏差あたり14.1%大きい。 さらなる規制は、発展途上国の都市は植生やテクスチャのコントラストが低く、分散は、そのコントラストに従うことを示唆している。 毎年、都市の表現は、自身のピクセルを再描画するよりも8倍近く動き、2022年のSentinel-1Bの喪失によってパス方向が取り除かれた契約が結ばれている。 それゆえ、AlphaEarthの表現は地域間での比較をサポートするが、その年次層の違いは時間とともに比較するためにはまだ検証されていない。

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)
• Bridging Geographic Bias in Urban Streetscape Inference via Lifelong Learning with Visual-Semantic Pivoting [2.538209532048867]
  都市景観の視覚的認識は、景観計画、公衆衛生、場所作りにおけるエビデンスに基づく決定の基盤となっている。 しかし、いくつかのよく写真化されたメトロポリスで訓練されたモデルは、体系的に非表示の地区を誤認した。 このギャップに対処するHVSP-LLは、ビジュアル・セマンティック・ピボット・モジュールとエクイティ・アウェア・リハーサル・メカニズムを結合した生涯学習フレームワークである。
  論文  参考訳（メタデータ） (2026-06-13T01:52:03Z)
• 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)
• 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)
• PIGEON: Predicting Image Geolocations [44.99833362998488]
  本稿では, セマンティックジオセル生成, マルチタスクコントラスト事前学習, 新たな損失関数を組み合わせた新しいジオローカライズシステムを提案する。 PIGEOTTOは、目に見えない場所に効果的に一般化する最初の画像ジオローカライズモデルである。
  論文  参考訳（メタデータ） (2023-07-11T23:36:49Z)
• Where We Are and What We're Looking At: Query Based Worldwide Image Geo-localization Using Hierarchies and Scenes [53.53712888703834]
  地理的レベルの異なる関係を利用して、エンドツーエンドのトランスフォーマーベースのアーキテクチャを導入する。 4つの標準ジオローカライゼーションデータセット上で,アートストリートレベルの精度を実現する。
  論文  参考訳（メタデータ） (2023-03-07T21:47:58Z)
• Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
  都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。 ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
  論文  参考訳（メタデータ） (2022-02-18T04:59:20Z)
• 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)
• Deep-learning coupled with novel classification method to classify the urban environment of the developing world [4.819654695540227]
  本稿では,機械解析に容易に利用できる新しい分類法を提案し,開発途上国における方法論の適用性を示す。 周辺を考慮に入れた非公式・形式的な空間の観点から都市部を分類する。 このモデルは75%の精度と60%のMean IoUでセグメント化できる。
  論文  参考訳（メタデータ） (2020-11-25T16:08:07Z)
• Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data [58.720142291102135]
  2050年までに世界の人口の3分の2が都市部に住んでいる。 この成長は、都市が持続可能性を測定し計画する能力よりも速く、より複雑である。 都市がなぜ包括的になるのかを理解するために,空間分割を識別し特徴付ける手法を定義する。
  論文  参考訳（メタデータ） (2020-02-20T14:37:46Z)

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。