論文の概要: GeoDIVE: Geospatial Descent Informed by Value Estimation
- arxiv url: http://arxiv.org/abs/2611.05697v1
- Date: Tue, 03 Nov 2026 22:27:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.89149
- Title: GeoDIVE: Geospatial Descent Informed by Value Estimation
- Title（参考訳）: GeoDIVE: 値推定による地理空間の輝きのインフォームド
- Abstract要約: 我々は,多解像度衛星画像ギャラリーを森林として扱うモデルGeoDIVEを紹介した。
軽量モデルは、その子孫の間に隠された最良のクエリ類似性の楽観的な推定を予測します。
画像とオープン語彙のテキストクエリによる評価では、GeoDIVEは符号化コストの10%で徹底的な検索と一致している。
- 参考スコア（独自算出の注目度）: 19.94106161963219
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Finding specific objects, structures, and spatial patterns supports critical work in agriculture, infrastructure planning, environmental monitoring, and disaster response. These features, however, are often dispersed across very large regions and span dramatically different spatial scales, which defines a search space that is costly to embed, maintain, and search naively. We introduce GeoDIVE, a model that treats a multiresolution satellite image gallery as a forest and uses best-first traversal to determine which tiles to encode. At each visited node, a lightweight model then predicts an optimistic estimate of the best query similarity hidden among its descendants using the query and subtree representations. In evaluations with image and open-vocabulary text queries, GeoDIVE matches exhaustive search at 10% of the encoding cost for image queries and leads all tested baselines at every budget in both modalities. To support future evaluation of multiscale geospatial search, we also release object-level image and text queries for Git-10M, constructed from Microsoft building footprints and OpenStreetMap polygons with VLM-generated captions. Source code and models will be made publicly available.
- Abstract（参考訳）: 特定の対象、構造、空間パターンを見つけることは、農業、インフラ計画、環境モニタリング、災害対応において重要な作業を支援する。
しかし、これらの特徴は、しばしば非常に大きな領域に分散し、劇的に異なる空間スケールにまたがる。
マルチ解像度衛星画像ギャラリーを森林として扱うモデルであるGeoDIVEを紹介する。
訪問した各ノードにおいて、軽量モデルはクエリとサブツリー表現を使用して、子孫間で隠された最高のクエリ類似性の楽観的な推定を予測します。
画像とオープン語彙のテキストクエリによる評価では、GeoDIVEは画像クエリの符号化コストの10%の網羅的な検索と一致し、両方のモードで全ての予算でテストされたベースラインをリードする。
マルチスケール地理空間探索の今後の評価を支援するため,MicrosoftのビルディングフットプリントとVLM生成キャプションを備えたOpenStreetMapポリゴンから構築したGit-10M用のオブジェクトレベルイメージとテキストクエリもリリースする。
ソースコードとモデルは公開されます。
関連論文リスト
- GeoFaham: Domain-Specialized Multi-Agent Geospatial Analytics for Disaster Response [12.946318539765194]
現実世界の地理空間決定のサポートには、単一ステップの検索やコード生成以上のものが必要である。
災害解析のためのドメイン特化マルチエージェントシステムGeoFahamを紹介する。
アーティファクト中心のコラボレーションをサポートするために、GeoFahamは、完全な地理空間出力を永続化するRe Response Storeを使用している。
論文 参考訳（メタデータ） (2026-11-03T14:32:03Z) - Geo-Embed: Towards Unified Multimodal Embeddings for Urban Understanding [18.530343758279493]
大規模なマルチモーダル埋め込みベンチマークであるGeoMEBを紹介する。
提案するGeo-Embedは、共通ビジョン言語バックボーンを命令条件付きクエリターゲットマッチングに適応させる統合埋め込みモデルである。
結果は,明示的なクエリターゲット関係に関するトレーニングと評価を組織する将来的な地理空間埋め込みを動機付けている。
論文 参考訳（メタデータ） (2026-08-04T15:36:17Z) - GeoSearch: Augmenting Worldwide Geolocalization with Web-Scale Reverse Image Search and Image Matching [1.6460462104175428]
我々は,Webスケールのリバースイメージ検索をRAGパイプラインに統合する,オープンソースの位置情報フレームワークであるGeoSearchを提案する。
無関係なコンテンツからノイズを軽減するため,画像マッチングと信頼に基づくゲーティングを組み合わせた2層フィルタリング機構を導入する。
論文 参考訳（メタデータ） (2026-04-28T09:00:59Z) - VLM2GeoVec: Toward Universal Multimodal Embeddings for Remote Sensing [59.73939718087177]
シングルエンコーダの視覚言語モデルは、統合ベクトル空間にインターリーブされた入力を埋め込むために対照的に訓練された。
VLM2GeoVecは、領域レベルの空間推論とスケーラブルな検索を統合し、リモートセンシングにおける凝集性多モード解析を可能にする。
論文 参考訳（メタデータ） (2025-12-12T11:39:35Z) - GeoBridge: A Semantic-Anchored Multi-View Foundation Model Bridging Images and Text for Geo-Localization [36.20562550716618]
クロスビュージオローカライゼーションは、クエリ画像に視覚的に対応するジオタグ付き参照画像を取得することで位置を推測する。
従来の衛星中心のパラダイムは、高解像度または最新の衛星画像が利用できない場合にロバスト性を制限する。
ビュー間の双方向マッチングを行うモデルであるGeoBridgeを提案する。
論文 参考訳（メタデータ） (2025-12-02T12:28:22Z) - DescribeEarth: Describe Anything for Remote Sensing Images [56.04533626223295]
リモートセンシングのためのオブジェクトレベルのきめ細かい画像キャプションのための新しいタスクであるGeo-DLCを提案する。
このタスクを支援するために,オブジェクト属性,関係,コンテキストを詳細に記述した大規模データセットであるDE-Datasetを構築した。
また,Geo-DLC用に設計されたマルチモーダル大規模言語モデルアーキテクチャであるDescribeEarthを提案する。
論文 参考訳（メタデータ） (2025-09-30T01:53:34Z) - Spatial-RAG: Spatial Retrieval Augmented Generation for Real-World Geospatial Reasoning Questions [5.053463027769152]
空間RAG(Spatial-RAG)は、地理空間質問応答用に設計された検索型生成フレームワークである。
構造化空間データベースと大きな言語モデル(LLM)をハイブリッド空間レトリバーを介して統合する。
応答過程を空間的および意味的関連性に対する多目的最適化として定式化する。
論文 参考訳（メタデータ） (2025-02-04T01:30:06Z) - GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks [84.86699025256705]
本稿では,地理空間的タスクの視覚言語モデル(VLM)を評価するためのベンチマークであるGEOBench-VLMを提案する。
私たちのベンチマークでは、手動で検証された命令が1万以上あり、さまざまな視覚条件、オブジェクトタイプ、スケールにまたがっています。
地理空間固有の課題における性能を評価するために,いくつかの最先端のVLMを評価した。
論文 参考訳（メタデータ） (2024-11-28T18:59:56Z) - Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。
エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。
その結果,本手法は現在の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2024-08-21T03:31:30Z) - MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。
MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。
提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
論文 参考訳（メタデータ） (2023-01-11T03:05:12Z)
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。