緯度と経度という二つの数値から、その土地の視覚的・非視覚的な特徴を捉える——位置エンコーダはそうした目的で注目を集めている技術だ。Daniel Cher氏ら5名による論文「Tessellating The Earth」は、2026年6月25日に提出され、ECCV 2026に採択された研究である。
既存手法の課題は、表現容量の配分にある。多くのエンコーダは座標を球面調和関数のような固定の基底へ射影するため、容量が一律に割り当てられる。その結果、広大な外洋にも、発展途上の都市にも、同じだけのリソースが費やされてしまう。しかし実際の情報密度は空間的に大きく偏っており、下流タスクにほとんど寄与しない領域に容量が浪費されている。
TTEの中心的なアイデアは、分割そのものを学習可能にすることだ。著者らは学習可能な球面ボロノイ分割を構築し、各ボロノイサイトに固有の埋め込みを持たせ、訓練の過程で識別力の高い領域へと移動させる。全体が微分可能であるため、分割と埋め込みをエンドツーエンドで同時に最適化でき、固定の基底やグリッドに頼らずモデル自身が容量の配置を決められる。
局所的な空間構造だけでは、グローバルな理解には不十分だ。そこで論文は「グローバル意味トークン」を導入する。これは衛星画像から意味知識を蒸留するための共有可能な学習概念トークンの集合であり、コンパクトな語彙として推論時に位置エンコーダから参照される。これにより、地理的に遠く離れていても環境が類似した地点同士が意味を共有でき、局所的な幾何構造と地球規模の意味理解が結び付けられる。
実験では、TTEは一連の地理空間分類・回帰タスクにおいて位置エンコーダの最先端を更新した。さらに説得力があるのは、地理的事前情報としてiNaturalist-2018の細粒度種分類を支援した際に最良の性能を示した点である。学習された位置表現が単一タスクにとどまらず、地理的文脈を必要とする下流の認識問題にも転用できることを示している。
コードと重みはhttps://github.com/mvrl/TTEで公開されており、研究者が再現や発展的な開発を行えるようになっている。本論文はコンピュータビジョンとパターン認識（cs.CV）に分類され、arXiv番号は2606.27514、DOIは10.48550/arXiv.2606.27514である。