Skip to main content

Embeddings dans ArcGIS Pro

Les embeddings sont des représentations vectorielles numériques de données qui capturent des modèles, des caractéristiques et des relations significatives sous une forme mathématique compacte. Au lieu de décrire les données uniquement à l’aide de pixels bruts, d’entités spatiales, de texte brut ou de géométrie, les embeddings transforment des entrées complexes en vecteurs de haute dimension où la similarité peut être mesurée mathématiquement.

Dans l’espace d’embedding, les caractéristiques suivantes s’appliquent :

  • Des entités similaires sont positionnées plus proches.

  • Des entités dissemblables sont placées plus éloignées.

  • Les relations entre les schémas deviennent quantifiables.

Cette transformation permet la recherche de similarité, l’agrégation, la détection des changements et l’analyse spatiale à grande échelle. Comme l’analyse fonctionne sur des vecteurs précalculés plutôt que sur des données brutes, elle implique des calculs légers tels que des calculs de similarité cosinusoïdale. En conséquence, les processus basés sur l’embedding peuvent fonctionner efficacement sur une infrastructure CPU standard, réduisant la dépendance aux GPU et diminuant les coûts de calcul.

Embeddings

Pour accéder à la fonctionnalité d’embedding, procédez de l’une des manières suivantes :

De l’espace de données à l’espace d’embedding

Dans l’espace de données d’origine, les caractéristiques suivantes s’appliquent :

  • Les images sont composées de pixels.

  • Les emplacements sont définis par la géométrie et le contexte spatial.

  • Le texte est composé de mots dont le sens est défini par la langue et le contexte.

  • Les entités peuvent différer en forme, texture, disposition ou environnement.

Après transformation via un modèle d’embedding, les changements suivants surviennent :

  • Chaque entité est représentée par un vecteur numérique de longueur fixe.

  • Les entités similaires se regroupent naturellement dans l’espace d’embedding.

  • La similarité sémantique entre les entités devient mesurable à l’aide de métriques de distance vectorielle.

Données dans l’espace image et données dans l’espace d’embedding

Dans l’espace image, les entités visuellement similaires peuvent apparaître réparties. Dans l’espace d’embedding, ces mêmes entités se regroupent car le modèle encode leurs caractéristiques communes en vecteurs voisins.

De même, des embeddings peuvent être générés pour des lieux ou du texte, où des similarités spatiales ou sémantiques sont capturées en tant que vecteurs proches dans l’espace d’embedding.

Embeddings de localisation

Un embedding de localisation est une représentation numérique d’une zone géographique. Au lieu de décrire un lieu à l’aide d’un ou de plusieurs attributs (par exemple, la densité de population, le revenu par habitant ou le type d’occupation), un embedding représente cet endroit à l’aide d’un vecteur de nombres.

Chaque emplacement, tel qu’un point de position, un polygone de comté, un code postal ou un groupe d’hexagones, est mappé sur un vecteur multidimensionnel. Plutôt que d’attribuer des nombres à des variables prédéfinies associées à des emplacements, un embedding d’emplacement rédistribue l’information sur toutes les dimensions de l’embedding. Le type d’information distribué sur ce vecteur dépend du modèle utilisé pour générer l’embedding et de ce qu’il a été entraîné à apprendre.

Représentation visuelle de la génération d’embeddings d’emplacement

Illustration de la génération d’embeddings d’emplacement et des données qu’ils capturent

Exigences des données d’embedding

Les embeddings sont stockés en tant que classe d’entités.

Pour être reconnue comme un jeu de données d’embeddings, la classe d’entités doit contenir un champ nommé Embedding de type Blob. Ce champ stocke la représentation vectorielle numérique générée par le modèle IA.

Les embeddings sont pris en charge pour résider dans les formats de géodatabase suivants :

  • Géodatabases fichier

  • Géodatabases d’entreprise (classes d’entités enregistrées)

  • Géodatabases mobiles

Les embeddings ne sont pas pris en charge pour être stockés sous forme de fichiers de formes ou fichiers GeoPackage.

Embeddings dans l’analyse spatiale

Les embeddings permettent ce qui suit :

  • Recherche de similarité évolutive à travers des jeux de données géospatiales

  • Récupération basée sur des modèles sans définition manuelle des règles

  • Découverte de modèles spatiaux non explicitement définie dans les attributs

  • Agrégation et comparaison d’entités à différents niveaux administratifs

  • Stockage efficace d’informations spatiales riches sous forme vectorielle compacte

En convertissant des informations spatiales ou visuelles complexes en représentations numériques structurées, les embeddings fournissent une base solide à des processus d’IA géospatiaux avancés.