Resumen: Las representaciones espaciales de propósito general son esenciales para construir modelos de bases geoespaciales (GFM) transferibles. Entre ellos, la Fundación AlphaEarth (AE) representa un paso importante hacia una representación global unificada de la superficie de la Tierra, aprendiendo incrustaciones de 10 metros a partir de datos de Observación de la Tierra (EO) de múltiples fuentes que capturan ricos patrones físicos y ambientales en diversos paisajes. Sin embargo, estas representaciones impulsadas por la EO siguen siendo limitadas a la hora de capturar las dimensiones funcionales y socioeconómicas de las ciudades, ya que codifican principalmente patrones físicos y espectrales en lugar de actividades humanas o funciones espaciales. Proponemos AETHER (AlphaEarth-POI Enriched Representation Learning), un marco liviano que adapta AlphaEarth al análisis urbano centrado en el ser humano a través de una alineación multimodal guiada por puntos de interés (POI). AETHER alinea las incrustaciones de AE con representaciones textuales de puntos de interés, enriqueciendo las características de EO basadas físicamente con señales semánticas sobre funciones urbanas y contextos socioeconómicos. En el Gran Londres, AETHER logra ganancias consistentes sobre la línea de base AE, con una mejora relativa del 7,2% en la clasificación de uso de la tierra F1 y una reducción relativa del 23,6% en la divergencia Kullback-Leibler para el mapeo socioeconómico. Construido sobre AE previamente entrenado, AETHER aprovecha una alineación multimodal liviana para enriquecerla con semántica centrada en el ser humano sin dejar de ser computacionalmente eficiente y escalable para aplicaciones urbanas. Al combinar la EO con la semántica centrada en el ser humano, avanza los modelos de fundamento geoespacial hacia representaciones urbanas de propósito general que integran tanto la forma física como el significado funcional.
Publicado originalmente en export.arxiv.org el 13 de octubre de 2025.
Ver fuente original
