跳到主要內容
AI News HubLIVE
站內改寫1 分鐘閱讀

地球鑲嵌:一種可學習的位置編碼器

文章摘要

TTE利用可學習的球面Voronoi分割槽,將表示能力集中在需要區分度的區域,並透過全域性語義標記共享相似環境語義,在多項地理空間任務上達到最先進水平。

來源arXiv Computer Vision作者: Daniel Cher, Hamza Iqbal, Eric Xing, Brian Wei, Nathan Jacobs
地球鑲嵌:一種可學習的位置編碼器
回報錯誤

更正管道尚未開通,可先複製下方文章資訊留存。

查看更正說明
直接讀正文

地球鑲嵌(Tessellating the Earth, TTE)是一種創新的地理位置編碼器,由Daniel Cher等人提出,已被歐洲計算機視覺大會(ECCV 2026)接收。地理位置編碼器旨在將經緯度座標對映到學習到的表示中,從而捕獲視覺和非視覺特徵。然而,現有方法如球諧函式將座標投影到固定基上,均勻分配表示能力,導致廣闊海洋與發達城市獲得相同資源,造成浪費。TTE透過可學習的球面Voronoi分割槽來克服這一侷限。每個Voronoi站點擁有自己的嵌入,並在訓練過程中向具有判別性的區域遷移,從而將表示能力集中在需要區分的區域。這種機制是完全可微的,支援端到端訓練。

為了彌合區域性空間結構與全域性語義理解之間的鴻溝,TTE引入了全域性語義標記(global semantic tokens)。這是一組共享的可學習概念標記,透過從衛星影像中蒸餾語義知識,形成緊湊的詞彙表。位置編碼器在推理時可以引用這些標記,使得地理上分離但環境相似的區域能夠共享語義資訊。例如,熱帶雨林區域無論位於南美洲還是東南亞,都可以透過相同的語義標記來表示,從而提升表示效率。

在實驗評估中,TTE在一系列地理空間分類和迴歸任務中確立了新的最先進水平。特別是在iNaturalist-2018細粒度物種分類任務中,TTE作為地理先驗取得了最強結果。這表明TTE不僅適用於一般的地理空間任務,還在需要精細區分物種等應用中表現出色。該研究的程式碼和預訓練權重已在GitHub上開源,便於社群復現和應用。

展開要點與分析

文章情報

工程師進階

要點

  • TTE提出可學習的球面Voronoi分割槽位置編碼器,自適應分配表示能力。
  • 引入全域性語義標記,使地理上分離但環境相似的區域共享語義知識。
  • 在地理空間分類迴歸任務及iNaturalist-2018細粒度物種分類中達到最優。

要點與分析由自動化流程生成,可能有誤,請結合原始來源核實。