UrbanFusion模型融合多模态地理空间数据，以增强城市预测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了UrbanFusion，这是一种新颖的空间表示模型，旨在整合多样化的地理空间数据以预测城市现象。该模型利用特定模态的编码器和基于Transformer的融合模块，从街景图像、遥感数据和兴趣点等各种输入中学习统一的表示。在众多城市的广泛评估表明，与现有的GeoAI模型相比，UrbanFusion在泛化能力和预测性能方面表现更优，能够在预训练和推理过程中灵活使用可用模态。 AI

影响通过实现对多样化城市数据的更强集成以改进预测，增强了GeoAI能力。

排序理由该集群包含一篇详细介绍用于空间表示学习的新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Dominik J. M\"uhlematter, Lin Che, Ye Hong, Martin Raubal, Nina Wiedemann · 2026-06-02 04:00

UrbanFusion: Stochastic Multimodal Fusion for Contrastive Learning of Robust Spatial Representations

arXiv:2510.13774v2 Announce Type: replace Abstract: Forecasting urban phenomena such as housing prices and public health indicators requires the effective integration of various geospatial data. Current methods primarily utilize task-specific models, while recent generic models f…

报道来源 [1]

UrbanFusion: Stochastic Multimodal Fusion for Contrastive Learning of Robust Spatial Representations

相关话题