PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.27514v1cs.CV

지구의 테셀레이션

Tessellating The Earth

지리적 위치 인코더(geolocation encoder)는 지리 좌표를 학습된 표현으로 매핑하며, 위도-경도 쌍만으로 시각적 및 비시각적 특성을 포착하는 효과적인 수단으로 부상하고 있다. 그러나 기존 접근법은 좌표를 고정 기저(예: 구면 조화 함수(spherical harmonics))에 투영하여 표현 용량을 균일하게 할당하고, 공해와 개발 중인 도시에 동일한 자원을 할당한다. 우리는 Tessellating the Earth(TTE)를 제안한다. 이는 학습 가능한 구면 Voronoi 분할(spherical Voronoi partition)로 구성된 위치 인코더로, 완전히 미분 가능한 end-to-end 방식으로 필요한 곳에 표현 용량을 집중한다. 각 Voronoi 사이트는 고유한 임베딩을 가지며, 학습 동안 변별력 있는 영역을 향해 이동한다. 지역적 공간 구조와 전역적 의미 이해 사이의 격차를 메우기 위해, 우리는 전역 의미 토큰(global semantic tokens)을 도입한다. 이는 위성 영상의 의미 지식을 위치 인코더가 추론 시 참조할 수 있는 간결한 어휘로 증류하는 공유 학습 가능 개념 토큰(concept token) 집합으로, 지리적으로 멀리 떨어져 있으면서 유사한 환경을 아우르는 사이트들이 의미를 공유할 수 있게 한다. TTE는 일련의 지리공간 분류 및 회귀 작업에서 위치 인코더의 새로운 최첨단 성능을 달성하며, iNaturalist-2018에서 세밀한 종 분류를 위한 지리적 사전(geographic prior)으로 사용할 때 가장 강력한 결과를 얻는다. 코드와 가중치는 https://github.com/mvrl/TTE 에서 이용할 수 있다.