S2Vec 如何用自监督学习理解城市建筑环境

Google Research 发布 S2Vec，一个自监督学习框架，通过 S2 Geometry 分区和特征栅格化将建筑环境转换为类似图像的表示，再利用掩码自编码器学习通用嵌入向量。S2Vec 在零样本地理适应任务（如预测未见过区域的人口密度和收入）中表现竞争力，无需人工标注即可理解城市特征关系。评估显示，S2Vec 与图像嵌入融合通常优于单一模态。