論文の概要: Urban functional knowledge transfer through global representations amid uneven data

• arxiv url: http://arxiv.org/abs/2611.01327v1
• Date: Sat, 31 Oct 2026 22:53:11 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:14:58.347551
• Title: Urban functional knowledge transfer through global representations amid uneven data
• Title（参考訳）: 不均一データ中の大域的表現による都市機能的知識伝達
• Abstract要約: 都市機能観測は世界中に均等に分散しており、場所の組織化と使用方法の分析に制限がある。 本稿では,POI由来のセマンティクスとAFFの物理的機能的関係を学習する都市埋め込み(PURE)について紹介する。 クロスカントリーの実験では、転送は普遍的ではなく選択的であり、物理的に類似した状況と地理的に近い状況の間に大きな利得があることが示されている。
• 参考スコア（独自算出の注目度）: 6.689914786368853
• License:
• Abstract: Urban functional observations are unevenly distributed worldwide, limiting analysis of how places are organised and used. AlphaEarth Foundations (AEF) provides a globally consistent physical representation. Whether this representation can support transfer of functional knowledge to locations with sparse or absent functional observations, and what governs transfer, remain unclear. We introduce POI-aligned Urban Embedding (PURE), which learns physical-functional relationships between POI-derived semantics and AEF. Across five urban analysis tasks covering 142 countries and territories, PURE increases mean $R^2$ from 0.792 to 0.830, with gains across widely different levels of POI availability. When target-city POIs are excluded, country-level alignment retains 87.9% of its performance gain. Cross-country experiments show that transfer is selective rather than universal, with larger gains between physically similar and geographically closer contexts, particularly among pairs within the same continent. Our findings reveal spatially structured urban functional knowledge transfer, offering a route to reduce reliance on dense local observations.
• Abstract（参考訳）: 都市機能観測は世界中に均等に分散しており、場所の組織化と使用方法の分析に制限がある。 AlphaEarth Foundations (AEF) は、グローバルに一貫した物理表現を提供する。 この表現が機能的知識の疎い場所への伝達を支援するか、あるいは機能的観察が欠如している場所への伝達を支援するか、移行を支配するかは、いまだ不明である。 本稿では,POI由来のセマンティクスとAFFの物理的機能的関係を学習する都市埋め込み(PURE)について紹介する。 142か国と領域をカバーする5つの都市分析タスクのうち、PUREは平均R^2$を0.792から0.830に引き上げ、POIの可利用性は広く異なる。 目標都市POIが除外された場合、国レベルのアライメントはパフォーマンスの87.9%を維持している。 クロスカントリーの実験は、転送は普遍的ではなく選択的であり、物理的に類似した状況と地理的に近い状況、特に同じ大陸のペアの間で大きな利得を持つことを示している。 本研究は,密集した局所観測に依存しない経路を提供するため,空間的に構造化された都市機能的知識伝達を明らかにした。

関連論文リスト

• A comparative assessment of global building and settlement datasets across geographic and settlement contexts [0.1183421454705606]
  Overture Maps、Global Building Atlas、3D-GloBFP、Google Open Buildings 2.5D Temporal (OBT)、Microsoft TEMPOを含む7つのグローバルまたはニアグロバル製品をベンチマークします。 この評価は, 検出, 幾何的整合, 集合量精度の相補的な尺度を組み合わせたものである。 OBTは10m (0.642)で最高値のF1を達成したが、WSFトラッカーは100m (0.862)でリードした。
  論文  参考訳（メタデータ） (2026-09-23T14:08:16Z)
• MoRAX: Mobility-based Representation Augmentation for Geospatial Foundation Models [0.37650120899162426]
  MoRAXは、人間の移動性から派生した機能構造を持つ地理空間埋め込みを増強するためのフレームワークである。 2つの国にまたがる4つの都市で、MoRAXの教師モデルはGFMと強力な都市表現ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-08-18T14:44:41Z)
• Rethinking Attention Locality in Spiking Transformers [50.00501275379363]
  スパイキングトランスフォーマーは、スパイク駆動計算による効率的なビジュアル処理のための有望なパラダイムを提供する。 彼らのSSA(Softmax-free Spiking Self-Attention)は、空間的に局所化されたトークン相互作用を確立するのに苦労している。 境界連続経路(SCLA-BCP)を用いた空間連続的局所的注意法を提案する。 当社のアプローチでは、2017年のCOCOではmAP@50が9.50%、ADE20KではmIoUが3.42%改善しています。
  論文  参考訳（メタデータ） (2026-08-09T07:36:17Z)
• 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)
• Breaking the Regional Barrier: Inductive Semantic Topology Learning for Worldwide Air Quality Forecasting [99.4484686548807]
  我々は,グローバルなステーションレベルの予測に適した意味的トポロジ学習フレームワークであるOmniAirを提案する。 提案手法は,不均一分散グローバルネットワークにおける長距離非ユークリッド相関と物理拡散パターンを効果的に捉える。 実験によると、OmniAirは18のベースラインに対して最先端のパフォーマンスを実現し、既存のモデルよりも10倍近いスピードで高い効率とスケーラビリティを維持している。
  論文  参考訳（メタデータ） (2026-01-29T15:58:07Z)
• Urban-R1: Reinforced MLLMs Mitigate Geospatial Biases for Urban General Intelligence [64.36291202666212]
  アーバン・ジェネラル・インテリジェンス(UGI)とは、複雑な都市環境を理解し、推論できるAIシステムである。 近年, LLM と MLLM の教師付き微調整 (SFT) を用いた都市基盤モデルの構築が進められている。 MLLMをUGIの目的と整合させる強化学習に基づくポストトレーニングフレームワークであるUrban-R1を提案する。
  論文  参考訳（メタデータ） (2025-10-18T15:59:09Z)
• 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)
• VisitHGNN: Heterogeneous Graph Neural Networks for Modeling Point-of-Interest Visit Patterns [3.545082819007165]
  VisitHGNNは、個々の関心点(POI)の確率を予測するために設計された関係性特化グラフネットワークである。 ビジターHGNNは平均KL偏差0.287、MAE0.008、Top-1精度0.853、R-square0.853で高い予測性能を達成している。 都市計画、交通政策、移動システム、公衆衛生におけるモデルによる意思決定支援の可能性。
  論文  参考訳（メタデータ） (2025-10-03T03:42:58Z)
• Can LLMs Learn to Map the World from Local Descriptions? [50.490593949836146]
  本研究では,Large Language Models (LLMs) がコヒーレントなグローバル空間認識を構築できるかどうかを検討する。 都市環境を模擬した実験により, LLMは実空間分布に一致した潜在表現を示すことを示した。
  論文  参考訳（メタデータ） (2025-05-27T08:22:58Z)
• 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)
• An Entropy-guided Reinforced Partial Convolutional Network for Zero-Shot Learning [77.72330187258498]
  エントロピー誘導強化部分畳み込みネットワーク(ERPCNet)を提案する。 ERPCNetは、人間のアノテーションのない意味的関連性と視覚的相関に基づいて、局所性を抽出し、集約する。 グローバルな協力的局所性を動的に発見するだけでなく、ポリシー勾配最適化のためにより高速に収束する。
  論文  参考訳（メタデータ） (2021-11-03T11:13:13Z)

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。