Sphere2Vec: A General-Purpose Location Representation Learning over a Spherical Surface for Large-Scale Geospatial Predictions

要約

空間上の点に対して学習しやすい表現を生成することは、MLにおける基本的かつ長年の課題である。近年、2D/3Dユークリッド空間の任意の点を高次元ベクトルとして直接エンコードするマルチスケールエンコーディングスキーム（Space2VecやNeRFなど）が提案され、様々な地理空間予測や生成タスクへの応用に成功している。しかし、現在のすべての2Dおよび3D位置エンコーダは、ユークリッド空間内の点距離をモデル化するように設計されている。そのため、球面上の距離メトリック学習を必要とする大規模な実世界のGPS座標データセットに適用すると、地図投影歪みの問題（2D）や球面からユークリッドへの距離近似誤差（3D）のために、どちらのタイプのモデルも失敗する可能性がある。これらの問題を解決するために、我々は、球面上の点座標を符号化する際に球面距離を保持できるSphere2Vecと呼ばれるマルチスケールロケーションエンコーダを提案する。我々は、DFSに基づく球面上の距離保存エンコーディングの統一的なビューを開発した。また、Sphere2Vecが任意の2点間の球面距離を保持することを理論的に証明する。20の合成データセットを用いた実験により、Sphere2Vecはこれら全てのデータセットにおいて、最大30.8%のエラー率削減を実現し、全てのベースラインモデルを凌駕することが示された。続いて、Sphere2Vecを3つの地理認識画像分類タスク（きめ細かい種の認識、Flickr画像認識、リモートセンシング画像分類）に適用する。実世界の7つのデータセットでの結果は、3つのタスク全てにおいて、Sphere2Vecが複数の位置エンコーダよりも優れていることを示している。さらに分析を進めると、Sphere2Vecは、球面距離保持の性質により、特に極域やデータの少ない領域において、他のロケーションエンコーダーモデルを凌駕することがわかる。コードとデータはhttps://gengchenmai.github.io/sphere2vec-website/。

要約(オリジナル)

Generating learning-friendly representations for points in space is a fundamental and long-standing problem in ML. Recently, multi-scale encoding schemes (such as Space2Vec and NeRF) were proposed to directly encode any point in 2D/3D Euclidean space as a high-dimensional vector, and has been successfully applied to various geospatial prediction and generative tasks. However, all current 2D and 3D location encoders are designed to model point distances in Euclidean space. So when applied to large-scale real-world GPS coordinate datasets, which require distance metric learning on the spherical surface, both types of models can fail due to the map projection distortion problem (2D) and the spherical-to-Euclidean distance approximation error (3D). To solve these problems, we propose a multi-scale location encoder called Sphere2Vec which can preserve spherical distances when encoding point coordinates on a spherical surface. We developed a unified view of distance-reserving encoding on spheres based on the DFS. We also provide theoretical proof that the Sphere2Vec preserves the spherical surface distance between any two points, while existing encoding schemes do not. Experiments on 20 synthetic datasets show that Sphere2Vec can outperform all baseline models on all these datasets with up to 30.8% error rate reduction. We then apply Sphere2Vec to three geo-aware image classification tasks – fine-grained species recognition, Flickr image recognition, and remote sensing image classification. Results on 7 real-world datasets show the superiority of Sphere2Vec over multiple location encoders on all three tasks. Further analysis shows that Sphere2Vec outperforms other location encoder models, especially in the polar regions and data-sparse areas because of its nature for spherical surface distance preservation. Code and data are available at https://gengchenmai.github.io/sphere2vec-website/.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL