基于Slepian函数的局部化、高分辨率地理表示

地理数据本质上是局部的。疾病暴发在人口中心聚集，生态图案沿海岸线呈现，经济活动集中在国家边界内。然而，能够编码地理位置的机器学习模型在地球上均匀分布表示容量，难以满足局部化应用程序所需的高细节分辨率。我们提出了一个由球面Slepian函数构建的地理位置编码器，将表示容量集中在感兴趣区域内，并可扩展到高分辨率而无需大量计算需求。对于需要全局上下文的场景，我们提出了一种混合Slepian-球面调和编码器，有效地平衡了局部-全局性能之间的权衡，同时保留了如赤道安全性和球面表面距离保持等可取属性。在跨分类、回归和图像增强预测的五个任务上，Slepian编码在广泛的神经网络架构中均表现出优于基线的性能。