Hierarchical Attention Fusion for Geo-Localization
Fudan University(复旦大学);University of Florida(佛罗里达大学);Purdue University(普渡大学)
地理定位是计算机视觉中的一项关键任务。在这项工作中,我们投的地理定位作为一个二维图像检索任务。目前的2D地理定位的最先进的方法是不鲁棒的定位场景与激烈的规模变化,因为他们只利用一个语义级别的图像表示的功能。为了解决这个问题,我们引入了一个层次化的注意力融合网络,使用多尺度特征进行地理定位。我们从卷积神经网络(CNN)中提取分层特征图,并将提取的特征有机地融合到图像表示中。我们的训练是自我监督的,使用自适应权重来控制每个层次的特征强调的注意力。图像检索和大规模地理定位基准测试的评价结果表明,我们的方法优于现有的国家的最先进的方法。代码可在此处获得:\url{https://github.com/YanLiqi/HAF}。
2021-02-18 cs.CV
GeoISF: Instance Semantic Forest Inspired Large-Scale Cross-View Geo-Localization via Ground LiDAR-to-Satellite Image
提出GeoISF管道,利用WordNet构建实例语义森林增强语义表示,弥合点云与卫星图像模态差异,在KITTI数据集上R@10指标比并行方法提升13.22倍。
2026-06-17 cs.CV
Image-Based Geo-Localization Using Satellite Imagery
在给定查询地面视图图像的地理参考卫星地图上的定位问题是有用的,但由于视点的急剧变化而仍然具有挑战性。为此,在本文中,我们的工作扩展我们的早期工作的跨视图匹配网络(CVM-Net)的地面到空中的图像匹配任务,因为传统的图像描述符失败,由于急剧的视点变化。特别是,我们展示了更广泛的实验结果和分析我们的CVM-Net上的网络架构。此外,我们提出了一个马尔可夫定位框架,强制执行图像帧之间的时间一致性,以提高地理定位结果的情况下,地面视图图像的视频流是可用的。实验结果表明,我们提出的马尔可夫定位框架可以在我们的新加坡数据集上连续定位车辆在一个小的误差。
2019-06-02 cs.CV
GeoSURGE: Geo-localization using Semantic Fusion with Hierarchy of Geographic Embeddings
SRI International(SRI国际)
本文提出GeoSURGE方法,通过层次化地理嵌入和语义融合模块提升地理定位的准确性,实验表明在多个基准测试中取得新突破。
2026-03-27 cs.AI cs.CV
GeoCapsNet: Aerial to Ground view Image Geo-localization using Capsule Network
Shenzhen University(深圳大学);University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
跨视图图像地理定位的任务旨在通过将查询地面视图图像与参考数据集中的GPS标记的航空(卫星)图像进行匹配来确定其地理位置(GPS坐标)。由于视点的剧烈变化,交叉视点图像的匹配具有挑战性。在本文中,我们提出了GeoCapsNet的基础上的胶囊网络的地对空图像地理定位。该网络首先通过标准卷积层从地面视图和航空图像中提取特征,胶囊层进一步编码特征以建模空间特征层次结构并增强表示能力。此外,我们引入了一个简单有效的加权软边缘三重损失与在线批量硬样本挖掘,它可以大大提高图像检索的准确性。实验结果表明,我们的GeoCapsNet显着优于国家的最先进的方法在两个基准数据集。
2019-04-12 cs.CV
MOGeo: Beyond One-to-One Cross-View Object Geo-localization
College of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机与软件学院)
本文提出跨视图多物体地理定位任务CVMOGL,构建CMLocation基准数据集,并提出MOGeo方法,通过实验验证其在现实场景下的有效性。
2026-03-26 cs.CV
Visual and Object Geo-localization: A Comprehensive Survey
University of Vermont(佛蒙特大学);Information Technology University(信息技术大学)
本文综述了视觉与物体地理定位领域,涵盖图像定位与物体定位,总结主流算法、数据集及性能,展示研究现状。
2023-10-11 cs.CV
A Unified Hierarchical Framework for Fine-grained Cross-view Geo-localization over Large-scale Scenarios
School of Electronics and Communication Engineering, the Shenzhen Campus of Sun Yat-sen University(中山大学电子与通信工程学院(深圳校区));Sun Yat-sen University(中山大学);College of Electronic Science and Technology, Aviation University of Air Force(空军工程大学电子科学与技术学院)
提出UnifyGeo统一分层框架,将检索与度量定位集成于单网络,通过多粒度表示学习和重排序机制,在VIGOR基准上显著提升细粒度跨视角地理定位性能。
2026-09-17 cs.CV
On the Role of Geometry in Geo-Localization
Tel-Aviv University(特拉维夫大学);Interdisciplinary Center Herzliya(赫兹利亚跨学科中心)
人类可以建立一个地理区域的心理地图,以找到他们的方式并识别地方。我们考虑的基本任务是地理定位-从单个图像中找到大型3D场景中相机的姿态(位置和方向)。我们的目标是实验性地探索几何形状在卷积神经网络(CNN)解决方案中的地理定位中的作用。我们这样做是通过忽略场景中经常可用的纹理。因此,我们故意避免使用纹理或丰富的几何细节,并使用从城市的简单3D模型投影的图像,我们称之为精益图像。精益图像仅包含与所查看区域的几何形状(边、面或相对深度)相关的信息。我们发现,该网络能够从倾斜图像中估计相机姿态,并且它不是通过记忆而是通过地理区域的几何学习来实现的。本文的主要贡献是:(i)深入了解几何在CNN学习过程中的作用;(ii)展示CNN使用精益图像恢复相机姿势的能力。
2019-06-26 cs.CV
Scale Drift Correction of Camera Geo-Localization using Geo-Tagged Images
The University of Tokyo(东京大学);National Institute of Informatics(国立信息学研究所)
从单目视频中定位摄像机是视频分析和自主导航的基础任务。虽然3D重建是获得相机姿态的关键技术,但在大环境中的单目3D重建往往会导致旋转,平移,特别是尺度误差的积累:称为尺度漂移的问题。为了克服这些错误,我们提出了一个新的框架,集成了增量运动恢复结构(SfM)和规模漂移校正方法,利用地理标记的图像,如谷歌街景提供的。我们的校正方法首先通过使用地理标记的图像获得重建的3D地图坐标系和世界坐标系之间的稀疏6-DoF对应关系。然后,通过在Sim(3)约束下应用位姿图优化和光束法平差来校正尺度漂移。大规模数据集上的实验结果表明,该框架不仅能够有效地纠正尺度漂移,而且能够在更大尺度的环境中实现精确的地理定位。
2018-08-26 cs.CV
STHN: Deep Homography Estimation for UAV Thermal Geo-localization with Satellite Imagery
New York University(纽约大学);Autonomous Robotics Research Center-Technology Innovation Institute(自主机器人研究中心-技术创新研究所)
针对无人机热红外地理定位中卫星地图密集采样和几何噪声问题,提出STHN方法,采用从粗到细的深度单应性估计,在11%尺寸比下实现512米半径内可靠定位,显著提升低能见度下的鲁棒性。
2025-09-26 cs.CV cs.RO
UniGeo: A Multi-modal Large Language Model for Text-Guided Cross-View Geo-Localization
School of Computer Engineering and Science, Shanghai University(上海大学计算机工程与科学学院);Institute of Collaborative Innovation, University of Macau(澳门大学协同创新研究院)
UniGeo是一种统一多模态大语言模型,通过地理语义学习、跨视角生成及即插即用验证模块,在文本引导无人机地理定位任务中显著提升了检索性能。
2026-08-28 cs.CV
Is Geometry Enough for Matching in Visual Localization?
Technical University of Munich(慕尼黑工业大学);Universidade de Lisboa(里斯本大学)
在本文中,我们建议超越成熟的方法,以视觉为基础的本地化,依赖于查询图像和3D点云之间的视觉描述符匹配。虽然通过视觉描述符匹配关键点使定位高度准确,但它具有显著的存储需求,引起了隐私问题,并需要长期更新描述符。为了优雅地解决大规模定位的实际挑战,我们提出了GoMatch,这是一种基于视觉的匹配的替代方案,它仅依赖于将图像关键点与地图匹配的几何信息,表示为一组方位向量。我们新颖的3D点的方位矢量表示,显着缓解了基于几何的匹配中的跨模态挑战,这些挑战阻止了先前的工作在现实环境中解决定位问题。通过额外的精心架构设计,GoMatch改进了先前基于几何的匹配工作,在剑桥地标和7场景上的平均中值姿态误差减少了(10.67m,95.7deg)和(1.43m,34.7deg),同时与最好的基于视觉的匹配方法相比,只需要1.5/1.7%的存储容量。这证实了其在现实世界中的定位的潜力和可行性,并为未来不需要存储视觉描述符的城市规模视觉定位方法的发展打开了大门。
2022-07-30 cs.CV
Long-range UAV Thermal Geo-localization with Satellite Imagery
New York University(纽约大学);Autonomous Robotics Research Center-Technology Innovation Institute(技术创新研究院自主机器人研究中心)
针对低照度环境下远程无人机GPS失效的问题,本文提出一种基于卫星RGB图像的新型热成像地理定位框架,结合多种域适应方法解决配对数据缺乏问题,并发布了Boson-nighttime数据集,首次实现了远程飞行的可靠热成像地理定位。
2023-07-29 cs.CV cs.RO
Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching
Australian National University(澳大利亚国立大学);Huawei(华为);University of Oxford(牛津大学);Data61/CSIRO(澳大利亚联邦科学与工业研究组织数据61所)
我们解决的问题,地面到卫星图像的地理定位,也就是说,估计相机的纬度,经度和方向(方位角),通过匹配查询图像在地面捕获的大型数据库与地理标记的卫星图像。我们的现有技术通过选择与地面查询图像匹配的最相似的卫星参考图像来将上述任务视为纯图像检索。然而,这种方法通常产生粗略的位置估计,因为检索到的卫星图像的地理标记仅对应于图像中心,而地面相机可以位于图像内的任何点。为了进一步巩固我们以前的研究成果,我们提出了一种新的几何感知的地理定位方法。我们的新方法是能够实现查询图像的细粒度定位,卫星图像的像素大小的精度,一旦其粗略的位置和方向已经确定。此外,我们提出了一个新的几何感知的图像检索管道,以提高粗定位精度。除了我们会议工作中的极坐标变换外,这个新管道还通过几何约束投影变换将卫星图像像素映射到地面视图中的地平面,以强调信息区域,例如道路结构,用于跨视图地理定位。大量的定量和定性实验证明了我们新提出的框架的有效性。我们还显着提高性能的粗定位结果相比,国家的最先进的位置召回。
2022-03-26 cs.CV
ScalLoc: Continuous Oblique Thermal UAV Geo-Localization with a 2D Satellite Map
College of Systems Engineering, National University of Defense Technology(国防科技大学系统工程学院)
针对仅含2D卫星地图的连续倾斜热成像无人机定位难题,提出ScalLoc框架,构建Thermal-Oblique数据集,将平均定位误差降低76.07%,实现了仅用2D卫星地图的倾斜热成像地理定位。
2026-10-14 cs.CV
Towards Interpretable Geo-localization: a Concept-Aware Global Image-GPS Alignment Framework
Peking University(北京大学);Harbin Institute of Technology(哈尔滨工业大学);The Hong Kong University of Science and Technology(香港科技大学);Harbin Institute of Technology (Weihai)(哈尔滨工业大学(威海))
针对现有地理定位模型可解释性不足的问题,提出融合概念瓶颈的概念感知对齐框架,将图像与位置嵌入投影到共享地理概念库并优化概念损失,在提升定位精度的同时实现可解释性,是首个该方向的研究。
2025-09-05 cs.AI cs.CV
DynCur-Geo: Dynamic Curiosity Reward Shaping for Multimodal Active Geo-Localization
本文提出DynCur-Geo动态好奇心框架,通过距离感知门与势能奖励塑造优化多模态主动地理定位,在多场景实验中较基线方法取得一致性能提升。
2026-08-20 cs.CV
Inharmonious Region Localization with Auxiliary Style Feature
Shanghai Jiao Tong University(上海交通大学)
随着图像编辑技术的普及,用户可以创建梦幻般的合成图像,但图像质量可能会受到操纵区域和背景之间的颜色/照明差异的影响。不协调区域定位的目的是定位合成图像中的不协调区域。在这项工作中,我们试图利用辅助样式功能,以促进这一任务。具体来说,我们提出了一种新的颜色映射模块和风格特征损失提取判别风格特征包含任务相关的颜色/照明信息。基于提取的风格特征,我们还提出了一种新的风格投票模块,以指导定位不和谐的区域。此外,我们将语义信息引入到风格投票模块中,以实现进一步的改进。我们的方法在基准数据集上大大优于现有的方法。
2022-10-05 cs.CV
Spatially-Weighted CLIP for Street-View Geo-localization
School of Geospatial Engineering and Science, Sun Yat-Sen University(中山大学地理科学与规划学院);School of Geographical and Earth Sciences, University of Glasgow(格拉斯哥大学地理与地球科学学院);School of System Science and Engineering, Sun Yat-Sen University(中山大学系统科学与工程学院)
本文提出空间加权CLIP(SW-CLIP),通过引入空间自相关增强视觉-语言对比学习,改进街景地理定位的准确性与空间一致性。
2026-04-06 cs.CV
Multi-weather Cross-view Geo-localization Using Denoising Diffusion Models
Tsinghua University(清华大学);BNRist, Tsinghua University(清华大学BNRist);Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院)
本文提出MCGF框架,利用去噪扩散模型联合优化图像恢复与地理定位,通过共享编码器和EVA-02主干网络消除天气干扰,在多天气条件下实现了有竞争力的跨视角地理定位性能。
2024-08-28 cs.AI cs.CV
Game4Loc: A UAV Geo-Localization Benchmark from Game Data
Xiamen University(厦门大学)
本研究构建了基于游戏数据的大范围无人机地理定位数据集GTA-UAV,提出含跨视角部分匹配的实用定位任务,采用基于权重的对比学习方法,验证了数据与方法的有效性及真实场景泛化能力。
2024-12-12 cs.CV
GeoDistill: Geometry-Guided Self-Distillation for Weakly Supervised Cross-View Localization
ShanghaiTech University(上海科技大学);École Polytechnique Fédérale de Lausanne(联邦理工学院洛桑分校)
提出GeoDistill,一种几何引导的弱监督自蒸馏框架,通过基于视场的师生学习增强局部特征学习,显著提升跨视图定位性能,并引入无需精确位置标注的朝向估计网络。
2025-07-15 cs.CV
GeoMFD: Continual Drone-View Geo-Localization with Geometry-Aware Adapter and Margin-Field Distillation
研究持续无人机视角地理定位问题,提出GeoMFD方法,结合冷启动引导策略、几何感知适配器和边缘场蒸馏,平衡适应与跨视图几何保留,用单个持续更新模型实现与特定环境方法相当的性能,有效减轻遗忘。
2026-07-29 cs.CV
Geo$^\textbf{2}$: Geometry-Guided Cross-view Geo-Localization and Image Synthesis
Institute of Artificial Intelligence, University of Central Florida(中佛罗里达大学人工智能研究所);University of Vermont(佛蒙特大学)
本文提出Geo²框架,利用几何先验知识联合完成跨视角地理定位和双向图像合成,通过共享3D感知潜在空间和GeoFlow模型提升性能。
2026-03-26 cs.CV
ConGeo: Robust Cross-view Geo-localization across Ground View Variations
Wuhan University(武汉大学);EPFL(洛桑联邦理工学院)
本文提出ConGeo,一种单视角和跨视角对比学习方法,通过强制同一地点不同地面视角变化的特征接近,增强模型对朝向和视场变化的鲁棒性,在四个基准上显著提升多个基础模型的地理定位性能。
2024-09-04 cs.CV
Cross-View Image Matching for Geo-localization in Urban Environments
University of Central Florida(中佛罗里达大学)
在本文中,我们解决的问题,跨视图图像的地理定位。具体来说,我们的目标是通过在地理标记的鸟瞰图图像的参考数据库中找到匹配的图像来估计查询街景图像的GPS位置,反之亦然。为此,我们提出了一个新的框架,通过利用深度卷积神经网络(CNN)在图像分类和目标检测的巨大成功,跨视图图像地理定位。首先,我们使用Faster R-CNN来检测查询和参考图像中的建筑物。接下来,对于查询图像中的每个建筑物,我们使用在正匹配图像对和负匹配图像对上训练的Siamese网络从参考建筑物中检索$k$最近邻居。为了找到正确的NN为每个查询建设,我们开发了一个有效的多个最近邻匹配方法的基础上占主导地位的集。我们评估了一个新的数据集,包括对街景和鸟瞰图像的建议框架。实验结果表明,该方法实现了更好的地理定位精度比其他方法,并能够推广到图像在看不见的位置。
2017-03-22 cs.CV
Cross-view Geo-localization with Evolving Transformer
College of Computer Science and Software Engineering(计算机科学与软件工程学院);Shenzhen University(深圳大学)
在这项工作中,我们解决的问题,跨视图地理定位,估计的地理空间位置的街景图像匹配它与地理标记的航空图像的数据库。跨视图匹配任务是极具挑战性的,由于激烈的外观和几何形状的差异,跨视图。与现有的方法主要依靠CNN,在这里,我们设计了一种新的不断发展的地理定位Transformer(EgoTR),利用Transformer中的自我注意力的属性来建模全局依赖关系,从而显着减少跨视图地理定位中的视觉模糊性。我们还利用Transformer的位置编码来帮助EgoTR理解和对应地面和空中图像之间的几何配置。与对几何知识施加强假设的最先进方法相比,EgoTR通过训练目标灵活地学习位置嵌入,因此在许多现实场景中变得更加实用。虽然Transformer非常适合我们的任务,但它的香草自我注意力机制在每一层的图像块内独立交互,忽略了层之间的相关性。相反,本文提出了一个简单而有效的自交叉注意力机制,以提高学习表征的质量。自交叉注意力模型的全局依赖性相邻层之间,这涉及图像补丁之间,同时建模如何在前一层的功能演变。因此,所提出的自交叉注意导致更稳定的训练,提高了泛化能力,并鼓励表示随着网络的深入而不断进化。大量的实验表明,我们的EgoTR表现良好,对国家的最先进的方法对标准,细粒度和跨数据集跨视图地理定位任务。
2021-07-05 cs.CV
Cross-Class Relevance Learning for Temporal Concept Localization
Layer6 AI(Layer6人工智能公司)
我们提出了一种新的跨类相关学习的时间概念定位的任务。大多数本地化架构依赖于特征提取层,然后是输出每个片段的类别概率的分类层。然而,在许多现实世界的应用程序中,类可能表现出复杂的关系,难以用这种体系结构进行建模。相比之下,我们建议将目标类和类相关的功能作为输入,并学习一个成对的二进制模型来预测一般段类的相关性。这有助于学习类之间的共享信息,并允许任意类特定的特征工程。我们将这种方法应用于第三届YouTube-8 M视频理解挑战赛,并与其他领先的模型一起,在280多支队伍中获得第一名。在本文中,我们描述了我们的方法,并显示了一些实证结果。
2019-11-19 cs.CV
ERGeoBench:A Comprehensive Benchmark for Embodied Reasoning and Geo-localization in Multimodal Large Language Models
Beijing University of Posts and Telecommunications(北京邮电大学);State Key Laboratory of Networking and Switching Technology(网络与交换技术国家重点实验室);School of Materials Science and Engineering(材料科学与工程学院);China Mobile Research Institute(中国移动研究院);College of Computing and Data Science(计算与数据科学学院)
提出ERGeoBench基准,通过单视图、全景视图和具身视图三种渐进设置评估多模态大语言模型在视觉驱动的具身地理定位中的能力,发现当前模型在高层次地理语义推理上表现良好,但在细粒度感知、度量定位和视图间空间一致性上仍有不足。
2026-05-29 cs.AI cs.CV
DualGeo: A Dual-View Framework for Worldwide Image Geo-localization
Henan Key Laboratory of Cyberspace Situation Awareness, Zhengzhou, China(河南空域态势感知重点实验室,郑州,中国);Information Engineering University, Zhengzhou, China(信息工程大学,郑州,中国)
DualGeo通过融合图像与语义分割特征构建地理表示,并利用双视角对比学习与地理聚类提升全球图像定位精度,实验表明其在街道和城市级别定位准确率提升显著。
2026-04-28 cs.CV
Anchor-free Cross-view Object Geo-localization with Gaussian Position Encoding and Cross-view Association
Xingtao Ling, Chenlin Fu, Yingying Zhu
提出无锚框跨视图目标地理定位方法 AFGeo,通过四方向偏移预测、GPE 点击点建模和 CVOAM 跨视图关联,以低开销实现轻量高效的最先进定位性能。
2025-09-30 cs.CV
Weatherproofing Retrieval for Localization with Generative AI and Geometric Consistency
NAVER LABS Europe(NAVER欧洲实验室)
本文提出利用生成式文本到图像模型合成训练图像变体以扩充数据集,并结合真实与合成图像的几何信息改进训练方法,显著提升了视觉定位中图像检索步骤的鲁棒性与精度。
2024-02-14 cs.CV
HoloGeo: Mitigating Landmark Bias in Geo-localization via Evidence-Driven Reasoning
National University of Singapore(新加坡国立大学);Shandong University of Science and Technology(山东科技大学);University of Oxford(牛津大学)
研究针对视觉语言模型地理定位易受地标偏差影响的问题,提出证据驱动推理框架HoloGeo,借助高质量数据集,通过多维度奖励实现平衡关注与联合推理,经实验验证其在多个数据集上能有效减轻地标偏差,提升地理定位性能。
2026-07-17 cs.CV
CV-Cities: Advancing Cross-View Geo-Localization in Global Cities
Institute of Geospatial Information, Information Engineering University(信息工程大学地理空间信息学院)
本文提出融合DINOv2与特征混合器的跨视角地理定位框架,并构建覆盖六大洲十六个城市的CV-Cities数据集,显著提升全球定位精度与泛化能力。
2024-11-19 cs.CV
DASGIL: Domain Adaptation for Semantic and Geometric-aware Image-based Localization
Shanghai Jiao Tong University(上海交通大学);Beijing Institute of Technology(北京理工大学);University of Cambridge(剑桥大学)
由于季节、光照等因素的影响,在变化环境下的长时间视觉定位是自动驾驶和移动机器人领域的一个具有挑战性的问题,图像检索定位是解决这一问题的有效途径。在本文中,我们提出了一种新的多任务架构融合的几何和语义信息到视觉位置识别的多尺度潜在嵌入表示。为了在不需要人工干预的情况下使用高质量的地面真值,提出了有效的多尺度特征映射用于对抗训练,以实现从合成虚拟KITTI数据集到真实世界KITTI数据集的领域自适应。通过一系列关键的比较实验,在Extended CMU-Seasons数据集和Oxford RobotCar数据集上验证了所提出的方法,在具有挑战性的环境下,我们的性能优于基于检索的定位和大规模地点识别的最新基线。
2020-11-25 cs.CV
Cross-View Visual Geo-Localization for Outdoor Augmented Reality
SRI International(SRI国际)
全球方位和位置的精确估计对于确保引人注目的户外增强现实(AR)体验至关重要。我们解决的问题,地理姿态估计查询地面图像的跨视图匹配的地理参考航空卫星图像数据库。最近,基于神经网络的方法在交叉视图匹配中显示出最先进的性能。然而,大多数现有的工作只关注位置估计,忽略了方向,这不能满足户外AR应用的要求。我们提出了一个新的Transformer神经网络为基础的模型和一个修改的三重排序损失的联合位置和方向估计。在多个基准跨视图地理定位数据集上的实验表明,该模型具有最先进的性能。此外,我们提出了一种方法来扩展单图像查询为基础的地理定位方法,利用时间信息从导航管道强大的连续地理定位。在几个大规模真实视频序列上的实验表明,我们的方法能够实现高精度和稳定的AR插入。
2023-03-28 cs.CV cs.GR
Rethinking Visual Geo-localization for Large-Scale Applications
Politecnico di Torino(都灵理工大学);CINI(意大利国家信息与大学研究联盟)
视觉地理定位(VG)是通过将给定照片与已知位置的大型图像数据库进行比较来估计拍摄位置的任务。为了研究现有技术如何在现实世界的城市范围内的VG应用程序上执行,我们构建了San Francisco eXtra Large,这是一个覆盖整个城市的新数据集,提供了广泛的挑战性案例,其大小比之前最大的视觉地理定位数据集大30倍。我们发现,目前的方法无法扩展到如此大的数据集,因此我们设计了一种新的高度可扩展的训练技术,称为CosPlace,它将训练作为一个分类问题,避免了常用的对比学习所需的昂贵的挖掘。我们在广泛的数据集上实现了最先进的性能,并发现CosPlace对严重的域变化具有鲁棒性。此外,我们表明,与以前的国家的最先进的,CosPlace需要大约80%的GPU内存在训练时间,它实现了更好的结果与8倍更小的描述符,铺平了道路,全市范围的现实世界的视觉地理定位。数据集、代码和训练模型可在https://github.com/gmberton/CosPlace上用于研究目的。
2022-04-07 cs.CV
More Than Where You Are: Learning Semantics, Structure, and Geometry from Cross-View Localization
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学);Beijing Aerospace Control Center(北京航天飞行控制中心)
研究如何在极端视角变化下通过跨视图定位让模型学习语义、结构和几何。提出CROSS框架,克服现有方法局限,经实验验证该框架在跨视图定位中性能最优,能有效学习多方面内容。
2026-07-15 cs.CV
Cross-View Geo-Localization with Street-View and VHR Satellite Imagery in Decentrality Settings
School of Remote Sensing and Information Engineering, Wuhan University(武汉大学遥感信息工程学院);Ant Group(蚂蚁集团);Technology Innovation Center for Collaborative Applications of Natural Resources Data in GBA, Ministry of Natural Resources(自然资源部粤港澳自然资源数据协同应用技术创新中心)
针对跨视角地理定位中查询图像与参考图像中心偏移(去中心化)导致精度下降的问题,本文提出DReSS数据集和AuxGeo方法,通过BIM与PCM模块提升大去中心化下的定位精度,并在多个数据集上取得领先性能。
2025-01-03 cs.CV
Cross-View Image Set Geo-Localization
Wuhan University(武汉大学);Ant Group(蚂蚁集团)
本文提出跨视角图像集合地理定位任务及SetVL-480K基准,并设计FlexGeo方法,通过相似性引导特征融合和个体级属性学习,在多个数据集上显著提升定位精度。
2024-12-25 cs.CV
Few-shot Geometry-Aware Keypoint Localization
University of British Columbia(不列颠哥伦比亚大学);Flawless AI(Flawless AI公司)
有监督的关键点定位方法依赖于大型手动标记的图像数据集,其中对象可以变形、铰接或遮挡。然而,创建如此大的关键点标签是耗时且昂贵的,并且由于不一致的标签而经常容易出错。因此,我们需要一种方法,可以学习关键点定位与更少但一致的注释图像。为此,我们提出了一种新的配方,学习本地化语义一致的关键点定义,即使是遮挡区域,不同的对象类别。我们使用一些用户标记的2D图像作为输入示例,这些示例通过使用更大的未标记数据集的自我监督进行扩展。与无监督方法不同,Few-Shot图像充当对象定位的语义形状约束。此外,我们引入了3D几何感知约束来提升关键点,实现更准确的2D定位。我们的通用公式为语义条件生成建模铺平了道路,并在多个数据集上达到了具有竞争力或最先进的精度,包括人脸,眼睛,动物,汽车和从未见过的口腔内部(牙齿)定位任务,而不是以前的Few-Shot方法所尝试的。项目页面:https://xingzhehehe.github.io/FewShot3DKP/}{https://xingzhehehe.github.io/FewShot3DKP/
2023-03-30 cs.CV
GeoX-Bench: Benchmarking Cross-View Geo-Localization and Pose Estimation Capabilities of Large Multimodal Models
针对大多模态模型跨视角地理定位与位姿估计能力未被充分评估的问题,构建GeoX-Bench基准,通过多模型评测与微调实验揭示现有模型短板并验证微调的提升效果。
2025-11-17 cs.AI cs.CV
When 2D Cues Fail: Improving Image Manipulation Localization with Reliable 3D Geometry
School of Computer Science and Technology, Xinjiang University(新疆大学计算机科学与技术学院)
研究针对二维线索在图像操纵定位中失效的问题,利用单目重建获取几何线索,设计几何感知框架GFrame,估计其可靠性并与RGB特征融合跨尺度传播,在有限预算下提升定位性能,证明三维几何可补充二维线索用于IML。
2026-07-21 cs.CV
Cross-View Image Sequence Geo-localization
University of Vermont(佛蒙特大学);Information Technology University(信息技术大学)
跨视图地理定位的目的是通过将查询地面视图图像与来自地理标记的航空图像的参考数据库的图像进行匹配来估计查询地面视图图像的GPS位置。为了解决这个具有挑战性的问题,最近的方法使用全景地面视图图像来增加可见度的范围。虽然有吸引力,但与有限视场(FOV)图像的视频相比,全景图像并不容易获得。在本文中,我们提出了第一个跨视图的地理定位方法,工作在一系列有限的FOV图像。我们的模型是端到端训练的,使用基于注意力的时间特征聚合模块来捕获帧内的时间结构。为了在推理过程中鲁棒地处理不同长度的序列和GPS噪声,我们提出了使用顺序丢弃方案来模拟变长序列。为了在现实环境中评估所提出的方法,我们提出了一个新的大规模数据集,包含地面视图序列以及相应的鸟瞰图像。大量的实验和比较表明,与几种竞争基线相比,所提出的方法具有优越性。
2022-11-02 cs.CV
Recognition through Reasoning: Reinforcing Image Geo-localization with Large Vision-Language Models
The Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州));The Hong Kong University of Science and Technology(香港科学与技术大学)
针对图像地理定位缺乏可解释性及现有数据场景单一、微调提升有限的问题,提出构建MP16-Reason数据集及GLOBE方法,通过组相对策略优化联合增强可定位性评估与视觉推理,提升定位精度并生成可解释推理轨迹。
2025-10-24 cs.CV
Where am I? Cross-View Geo-localization with Natural Language Descriptions
Sun Yat-Sen University(中山大学);Shanghai AI Laboratory(上海人工智能实验室);Sensetime Research(商汤科技研究院);Wuhan University(武汉大学)
提出基于自然语言描述的跨视图地理定位新任务,构建CVG-Text数据集并开发CrossText2Loc方法,将召回率提升10%,具备长文本检索与可解释性。
2025-04-01 cs.CV
Visual Geo-Localization from images
Computer Science Faculty, USTHB University(USTHB大学计算机科学学院)
本文提出一种无需GPS的视觉地理定位系统,融合SIFT、传统图像处理与VGG16深度学习,识别建筑物和道路交叉口,并集成于离线移动应用,以服务于GPS受限环境。
2024-07-20 cs.AI cs.CV
Self-localization from Images with Small Overlap
University of Fukui(福井大学)
随着最近深度卷积神经网络(DCNN)的视觉特征在视觉机器人自定位中的成功,解决更一般的自定位场景已经变得重要和实用。在本文中,我们解决的情况下,自定位的图像重叠小。我们明确地引入了一个本地化的难度指数作为查询和相关数据库图像之间的视图重叠的递减函数,并研究了具有挑战性的跨视图自定位任务的性能与难度。然后,我们重新制定的自定位作为一个可扩展的袋视觉特征(BoVF)场景检索,并提出了一个有效的解决方案,称为PCA-NBNN,旨在促进快速,但部分重叠的图像之间的区别对应。所提出的方法采用了最近的研究结果,在DCNN特征的区分度保留编码使用主成分分析(PCA)和跨域场景匹配使用朴素贝叶斯最近邻距离度量(NBNN)。我们通过实验证明,所提出的PCA-NBNN框架经常达到与以前的DCNN功能相当的结果,并且BoVF模型显着更有效。我们进一步解决了一个重要的替代方案的“自我定位从图像没有重叠”,并报告的结果。
2016-03-03 cs.CV
Where in the World is this Image? Transformer-based Geo-localization in the Wild
Johns Hopkins University(约翰斯·霍普金斯大学);University of Maryland, College Park(马里兰大学帕克分校)
从世界上任何地方拍摄的单个地面RGB图像预测地理位置(地理定位)是一个非常具有挑战性的问题。这些挑战包括由于不同的环境场景而导致的图像的巨大多样性,取决于一天中的时间、天气、季节的相同位置的外观的剧烈变化,并且更重要的是,预测是从可能仅具有一些地理定位线索的单个图像进行的。由于这些原因,大多数现有的作品都局限于特定的城市,图像或世界各地的地标。在这项工作中,我们专注于开发一个有效的解决方案,行星尺度的单图像地理定位。为此,我们提出了transmittance,一个统一的双分支Transformer网络,出席整个图像的微小细节,并产生强大的功能表示极端的外观变化。transmittance以RGB图像及其语义分割图为输入,在每个Transformer层之后的两个并行分支之间进行交互,并以多任务方式同时执行地理定位和场景识别。在Im2GPS、Im2GPS3k、YFCC 4k、YFCC 26k四个基准数据集上,我们分别获得了5.5%、14.1%、4.9%、9.9%的大陆级精度提升。
2022-07-25 cs.CV
JRN-Geo: A Joint Perception Network based on RGB and Normal images for Cross-view Geo-localization
College of Information Science and Engineering, Northeastern University(信息科学与工程学院,东北大学);School of Computer Science, University of Sheffield(计算机科学学院,谢菲尔德大学)
针对跨视角地理定位中视角差异大、外观变化的问题,提出融合RGB和法线图像的联合感知网络JRN-Geo,利用双分支框架、差异感知融合和联合约束聚合,并采用3D地理增强技术,在University-1652和SUES-200上取得最优性能。
2025-09-06 cs.CV
Trajectory-aware Cross-view Geo-localization with Sequential Observations
Washington University in St. Louis(圣路易斯华盛顿大学)
研究跨视角地理定位,提出TrajLoc统一框架处理视频片段和路线描述,利用视觉与语言语义相互强化匹配,还提出TrajMod模块,实验显示该框架在视频和文本地理定位上比现有方法有显著优势。
2026-07-20 cs.CV
Seeing the Unseen: Mask-Driven Positional Encoding and Strip-Convolution Context Modeling for Cross-View Object Geo-Localization
College of Computer Science(计算机科学学院);Software Engineering, Shenzhen University(软件工程,深圳大学)
提出基于掩码的位置编码和条带卷积上下文增强的EDGeo框架,解决跨视角目标地理定位中形状信息缺失和大跨度目标问题,在CVOGL和VIGOR-Building上取得最优性能,定位精度提升3.39%。
2025-10-23 cs.CV
Framework and Multi-modal Dataset for Roadwork Zone Detection and Geo-localization
Institute of Innovative Mobility (IIMo), Technical University Ingolstadt of Applied Sciences(应用科学英戈尔施塔特技术大学创新移动研究所);Fraunhofer Institute for Transportation and Infrastructure Systems IVI(弗劳恩霍夫交通与基础设施系统研究所IVI);Technical University of Munich(慕尼黑工业大学)
针对自动驾驶中高清地图缺乏道路施工区域等半静态信息的问题,提出包含模拟和真实数据的多模态数据集及检测与地理定位管道,经实验验证该方法在检测及坐标转换上效果良好。
2026-07-07 cs.CV