arXiv cs.AI· Lakshay Sharma, Alex Marin·· 11 小时前AI 评分22
通过反向地理编码学习行政边界感知的位置编码器
Learning Administrative Boundary-Aware Location Encoders via Reverse Geocoding
AI 导读
研究者提出首个利用反向地理编码文本作为自监督信号、学习行政边界感知位置编码器的方法，可套用于现有位置编码器架构并稳定提升下游任务表现。团队还推出专为反向地理编码监督设计的 RevGeoRQ 架构，在多项下游任务上超过现有位置编码器。该方法借助人类可读的反向地理编码字符串与残差量化语义 ID，提供比现有方案更可解释的地理位置表示，代码与模型权重即将发布。
正文 · AI 翻译
摘要：位置编码器学习经纬度坐标的紧凑表示，用于下游地理空间预测任务。现有方法使用连续或自然产生的监督信号进行预训练，例如影像、气候变量或物种分布，因此尽管行政边界和地名对许多现实世界地理空间现象有强烈影响，这些方法并未显式捕捉它们。据我们所知，我们提出了首个学习行政边界感知位置编码器的方法，使用反向地理编码文本作为自监督训练信号。我们的方法可应用于现有位置编码器架构，并持续提升其下游性能。我们进一步提出 RevGeoRQ，一种为反向地理编码监督量身定制的架构，它带来额外收益，并在若干下游任务上超越当代位置编码器。最后，使用人类可解释的反向地理编码字符串和残差量化语义 ID，提供了比现有方法更具可解释性的地理位置表示。代码和模型权重即将发布。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.24306 [cs.LG] |
| （或 arXiv:2610.24306v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.24306 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Lakshay Sharma [查看电子邮件]
[v1]
2026年10月16日星期五 23:10:58 UTC（3,664 KB）
[v2]
2026年10月20日星期二 16:56:57 UTC（3,664 KB）
来源：arXiv cs.AI · arxiv.org