本研究では、地理的に分散したデータを扱う機械学習モデルのための新しい位置エンコーダを提案している。
まず、これまでの位置エンコーディングアプローチは長方形のデータ領域を前提としており、特に極域での歪みが問題となっていた。そこで本研究では、球面上で定義されたスフェリカル・ハーモニクス基底関数を用いた位置エンコーディングを提案する。
さらに、ニューラルネットワークの設計にも着目し、サイン波表現ネットワーク(SirenNet)を位置エンコーダと組み合わせることで、学習された双フーリエ球面埋め込みとして解釈できることを示す。
実験では、合成データセットや気候データ、生物種分布データなど、様々なベンチマークタスクで評価を行った。その結果、提案手法であるスフェリカル・ハーモニクスとSirenNetの組み合わせが、他の手法と比べて優れた性能を示すことを確認した。特に、極域での性能が良好であり、球面上の地理的データを効果的にモデル化できることが分かった。
To Another Language
from source content
arxiv.org
Deeper Inquiries