単一画像を用いた地球規模の撮影地推定を分類問題としてアプローチする際、クラスの分割にはS2 Geometryが広く用いられてきた。しかし、S2 Geometryを用いた分割は、画像に割り当てられるクラスと、実世界上の距離が最も近いクラスとが一致しない不整合を引き起こし、学習の妨げとなる。本研究では、データ分布に適応した球面重心ボロノイ分割によるクラス分割手法を提案する。本手法により、画像とクラスラベルの地理的な整合性が保たれ、より効果的な学習が可能になる。OSV5Mデータセットを用いた評価実験の結果、従来手法と比較して中央値誤差が低減することを確認した。