MoRAX：地理空间基础模型的基于移动性的表示增强

地理空间基础模型（GFM）正在成为学习语义丰富且地理一致的视觉和物理表示的强大范例。然而，他们对地球观测（EO）数据的依赖使得有关人类活动的信息在很大程度上未被充分体现。人员流动数据揭示了 EO 数据中缺失的区域之间的功能和关系结构，但通常仅限于观察到的城市，这使得用于可转移的城市表示学习具有挑战性。我们引入了 MoRAX，这是一种轻量级框架，用于通过源自人类移动性的功能结构来增强地理空间嵌入。 MoRAX 保留了 GFM 的覆盖范围和一致性，同时提供有关城市区域之间功能连接的信息，从而允许在有或没有可用移动数据的看不见的城市中进行零部署。在跨越两个国家的四个目标城市中，观察流动性的 MoRAX 教师模型在八项社会经济和环境预测任务中始终优于 GFM 和强大的城市代表性基线。与此同时，学生模型从不将移动数据作为输入，在大多数任务上的表现都接近老师。各国之间的转移结果进一步表明，以流动性为条件的调节提供了一种将地理空间基础扎根于城市人文维度的通用机制。