用于物种分布建模的混合空间表示

我们解决了一个在生态学中称为物种分布建模（SDM）的重要问题，其目标是预测物种是否存在于地球上的某个位置。特别是，我们解决了一个具有挑战性的版本：仅从presence-only数据中学习，同时建模大量物种，且不使用任何额外的环境信息。以往的工作使用神经隐式表示构建模型，取得了令人鼓舞的结果。然而，隐式表示常常生成空间精度有限的预测。我们将这一局限归因于其固有的全局公式化以及无法有效捕获局部特征变化的能力。这一问题在presence-only数据和大量物种的情况下尤为突出。为此，我们提出了一种混合嵌入方案，将隐式和显式嵌入结合在一起。具体而言，显式嵌入通过多分辨率hashgrid实现，从而使我们的模型能够更好地捕获局部信息。实验表明，我们的结果在各种标准基准上均显著优于其他工作，混合表示优于纯隐式和显式表示。定性可视化和全面消融研究表明，我们的混合表示成功地解决了这两个主要挑战。我们的代码已开源于 https://github.com/Shiran-Yuan/HSR-SDM。