UrbanMoE: 다중 모달 미세 전문가 혼합 모델 기반의 다중 작업 도시 지역 프로파일링 프레임워크

UrbanMoE: A Sparse Multi-Modal Mixture-of-Experts Framework for Multi-Task Urban Region Profiling

도시 지역 프로파일링은 지리적 지역을 특성화하는 작업으로, 도시 계획 및 자원 배분에 매우 중요합니다. 그러나 이 분야의 기존 연구는 두 가지 중요한 한계를 가지고 있습니다. 첫째, 대부분의 방법은 단일 작업 예측에 국한되어 있으며, 여러 지표가 깊이 연관된 복합적인 도시 환경의 상호 연결성을 제대로 반영하지 못합니다. 둘째, 이 분야에는 표준화된 실험 벤치마크가 부족하여 공정한 비교와 재현 가능한 발전을 심각하게 저해합니다. 이러한 문제점을 해결하기 위해, 우리는 먼저 다중 모달 특징과 강력한 기준 모델들을 포함하는 포괄적인 다중 작업 도시 지역 프로파일링 벤치마크를 구축하여 공정하고 엄격한 평가 환경을 제공합니다. 동시에, 우리는 다중 작업 문제를 해결하기 위해 특별히 설계된 최초의 희소 다중 모달 미세 전문가 프레임워크인 UrbanMoE를 제안합니다. UrbanMoE는 희소 미세 전문가 아키텍처를 활용하여 다중 모달 특징을 전문화된 하위 네트워크로 동적으로 연결하여 다양한 도시 지표를 동시에 예측할 수 있도록 합니다. 우리는 벤치마크 내의 세 가지 실제 데이터 세트에 대한 광범위한 실험을 수행했으며, UrbanMoE는 모든 기준 모델보다 우수한 성능을 지속적으로 보여주었습니다. 추가적인 심층 분석은 우리 접근 방식의 효능과 효율성을 검증하며, 도시 분석 분야의 새로운 최고 수준을 설정하고 커뮤니티에 향후 연구를 위한 귀중한 도구를 제공합니다.

Urban region profiling, the task of characterizing geographical areas, is crucial for urban planning and resource allocation. However, existing research in this domain faces two significant limitations. First, most methods are confined to single-task prediction, failing to capture the interconnected, multi-faceted nature of urban environments where numerous indicators are deeply correlated. Second, the field lacks a standardized experimental benchmark, which severely impedes fair comparison and reproducible progress. To address these challenges, we first establish a comprehensive benchmark for multi-task urban region profiling, featuring multi-modal features and a diverse set of strong baselines to ensure a fair and rigorous evaluation environment. Concurrently, we propose UrbanMoE, the first sparse multi-modal, multi-expert framework specifically architected to solve the multi-task challenge. Leveraging a sparse Mixture-of-Experts architecture, it dynamically routes multi-modal features to specialized sub-networks, enabling the simultaneous prediction of diverse urban indicators. We conduct extensive experiments on three real-world datasets within our benchmark, where UrbanMoE consistently demonstrates superior performance over all baselines. Further in-depth analysis validates the efficacy and efficiency of our approach, setting a new state-of-the-art and providing the community with a valuable tool for future research in urban analytics