Content Based Image Retrieval from AWiFS Images Repository of IRS Resourcesat-2 Satellite Based on Water Bodies and Burnt Areas
IIT Bombay（印度理工学院孟买分校）；Rochester Institute of Technology（罗切斯特理工学院）；SGGSIE&T（SGGS工程技术学院）
卫星遥感技术正在成为预测天气异常，自然灾害以及使用多个多光谱传感器发射不同波长的电磁波寻找附近替代资源的重要里程碑。因此，必须从正射纠正瓦片中提取水体和燃烧区域，并使用相似性度量对其进行相应的排名。地球上所有球体中的不同物体都具有吸收远距离波长的电磁波的固有能力。这就在受体上的反射率方面产生了各种独特的掩模。我们提出了动态语义分割（DSS）算法，利用上述能力提取和排名先进的宽场传感器（AWiFS）图像根据各种功能。该系统以稀疏特征向量的形式智能地存储数据，这大大减轻了进一步分析所产生的计算和空间成本。压缩的源图像被分成块并存储在数据库中，以便更快地检索。这项工作的目的是利用现成的和具有成本效益的资源，如AWiFS数据集，而不是依赖于先进的技术，如中分辨率成像光谱仪（MODIS）的数据是稀缺的。
2018-09-26 cs.CV cs.LG
Monocular Camera Localization for Automated Vehicles Using Image Retrieval
University of California, Berkeley（加州大学伯克利分校）
本文提出一种融合图像检索、地图数据库与粒子滤波的单目相机实时定位方法，无需LiDAR和高精地图，在KITTI及室内闭环实验中达到10厘米级精度，并分析了定位与控制误差间的正反馈现象。
2023-11-30 cs.CV cs.SY eess.SY
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
Visual Cross-View Metric Localization with Dense Uncertainty Estimates
Technical University Delft（代尔夫特理工大学）；TomTom（TomTom公司）
这项工作解决了视觉跨视图度量定位户外机器人。给定地面彩色图像和包含当地环境的卫星补丁，任务是确定卫星补丁内地面摄像机的位置。相关工作解决了距离传感器（激光雷达，雷达）的任务，但视觉，只有作为一个二次回归步骤后，最初的交叉视图图像检索步骤。由于本地卫星补丁也可以通过任何粗略的定位之前（例如，从GPS/GNSS，时间滤波）检索，我们放弃了图像检索目标，只专注于度量定位。我们设计了一种新的网络架构，具有更密集的卫星描述符，在瓶颈处（而不是在图像检索中的输出处）进行相似性匹配，并将密集的空间分布作为输出以捕获多模态定位模糊性。我们与使用全局图像描述符的最先进的回归基线进行比较。在最近提出的VIGOR和Oxford RobotCar数据集上的定量和定性实验结果验证了我们的设计。产生的概率与定位精度相关，甚至可以用来粗略估计地面相机的航向时，其方向是未知的。总体而言，我们的方法分别在同一区域，跨区域和跨时间进行推广时，与最先进的方法相比，中值度量定位误差分别降低了51%，37%和28%。
2022-08-17 cs.CV
Front-to-Back: Benchmarking Vision-Language Models for Asymmetric Cross-View Vehicle Re-Identification
MindForge AI
针对跨视角车辆再识别难题，提出Front2Back-ReID基准，评估零样本视觉-语言模型与检索基线，发现VLM未稳定超越强检索，人类准确率显著更高。
2026-10-15 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
From Street to Orbit: Training-Free Cross-View Retrieval via Location Semantics and LLM Guidance
Ulsan National Institute of Science and Technology (UNIST)（蔚山科学技术院）；Electronics and Telecommunications Research Institute (ETRI)（电子通信研究院）；Kyungpook National University（庆北大学）
针对现有跨视角图像检索依赖监督训练、部署受限的问题，提出结合预训练视觉编码器与LLM的免训练街景-卫星检索框架，零样本性能超现有学习方法，还可低成本自动构建对齐数据集。
2025-11-12 cs.AI cs.CV
Satellite Image Search in AgoraEO
TU Berlin（柏林工业大学）；SAP Labs（SAP实验室）；IT University of Copenhagen（哥本哈根信息技术大学）；DFKI（德国人工智能研究中心）
全球地球观测（EO）业务能力的不断增长为数据驱动的方法创造了新的机会，以了解和保护我们的地球。然而，目前使用的EO档案是非常有限的，由于巨大的档案大小和有限的探索能力提供的EO平台。为了解决这个问题，我们最近提出了MiLaN，一个基于内容的图像检索方法，用于快速相似性搜索卫星图像档案。MiLaN是一种基于度量学习的深度哈希网络，可将高维图像特征编码为紧凑的二进制哈希码。我们使用这些代码作为哈希表中的键，以实现实时最近邻搜索和高度准确的检索。在这个演示中，我们通过将MiLaN与EarthQube（AgoraEO中的浏览器和搜索引擎）集成来展示MiLaN的效率。EarthQube支持交互式视觉探索和卫星图像存储库上的示例查询。演示参观者将与EarthQube互动，扮演不同用户的角色，通过语义内容在大型遥感档案中搜索图像并应用其他过滤器。
2022-08-23 cs.CV cs.DB
Detecting Tiny Moving Vehicles in Satellite Videos
Fudan University（复旦大学）
近年来，卫星视频已经被移动的卫星平台捕获。与消费者、电影和普通监控视频相比，卫星视频可以记录城市规模场景的快照。在卫星视频的广阔视场中，每个运动目标将非常微小，并且通常由帧中的几个像素组成。由于卫星的运动，视频帧背景具有亚像素级的不均匀运动，使得视频帧中也存在噪声信号。我们认为，这是一种新型的计算机视觉任务，因为以前的技术无法有效地检测这种微小的车辆。本文提出了一种新的框架，可以识别卫星视频中的小型运动车辆。特别地，我们提出了一种新的检测算法的基础上的局部噪声建模。我们区分潜在的车辆目标的噪声模式的指数概率分布。然后，设计了一种基于多形态学线索的判别策略，进一步从少量噪声中判别出正确的车辆目标。另一个重要的贡献是引入了一系列的评估协议来系统地测量微小运动车辆检测的性能。我们对一段卫星视频进行了人工标注，并在不同的评价标准下对算法进行了测试。所提出的算法还与国家的最先进的基线进行了比较，并证明了我们的框架的优势，在基准测试。
2018-07-05 cs.CV
Vehicle Perception from Satellite
本文提出从卫星视频进行车辆感知的新任务，构建了包含真实与合成视频的大规模基准，支持微小目标检测、计数与密度估计，并评估多种传统计算机视觉方法以分析挑战与前景。
2024-02-01 cs.CV
Symmetric Network with Spatial Relationship Modeling for Natural Language-based Vehicle Retrieval
MEGVII Technology（旷视科技）
基于自然语言的车辆检索是在给定车辆描述的情况下，对特定车辆进行检索.与基于图像的车辆检索不同，基于自然语言的车辆检索不仅需要考虑车辆外观，还需要考虑周围环境和时间关系。在本文中，我们提出了一个对称网络与空间关系建模（SSM）的方法，基于自然语言的车辆检索。具体来说，我们设计了一个对称网络来学习文本描述和车辆图像之间的统一跨模态表示，其中车辆外观细节和车辆轨迹全局信息被保留。此外，为了更好地利用位置信息，我们提出了一种空间关系建模方法，考虑周围环境和车辆之间的相互关系。定性和定量实验验证了该方法的有效性。在第六届AI城市挑战赛的测试集上，我们在基于自然语言的车辆检索轨迹上实现了43.92%的MRR准确率，在所有有效提交的公开排行榜上排名第一。该代码可在https://github.com/hbchen121/AICITY2022_Track2_SSM上获得。
2022-06-22 cs.CV
Deep Vehicle Detection in Satellite Video
Technical University Munich（慕尼黑工业大学）；Austrian Institute of Technology（奥地利技术研究所）；University of Technology Vienna（维也纳技术大学）
本文提出了一种用于卫星视频中车辆检测的深度学习方法。由于车辆的微小性（4-10像素）及其与背景的相似性，在单个EO卫星图像中可能无法检测车辆。相反，我们考虑卫星视频，它克服了缺乏空间信息的车辆运动的时间一致性。提出了一种新的紧凑型$3 \times 3$卷积神经网络的时空模型，该模型忽略了池化层并使用泄漏ReLU。然后，我们使用包含非最大值抑制（NMS）的输出热图的重新表述进行最终分割。两个新的注释卫星视频的实证结果再次证实了这种方法的车辆检测的适用性。更重要的是，它们表明对WAMI数据进行预训练，然后对新视频的几个注释视频帧进行微调就足够了。在我们的实验中，只有五个注释的图像产生的$F_1$分数为0.81的新视频显示更复杂的交通模式比拉斯维加斯的视频。我们在拉斯维加斯的最佳结果是$F_1$得分为0.87，这使得所提出的方法成为该基准的领先方法。
2022-06-07 cs.CV
Just Zoom In: Cross-View Geo-Localization via Autoregressive Zooming
Photogrammetric Computer Vision Lab, The Ohio State University（俄亥俄州立大学摄影测量与计算机视觉实验室）
本文提出一种基于自回归放大的方法，用于跨视角地理定位，通过城市级俯视地图进行粗到细的空间推理，提升了定位精度。
2026-03-26 cs.AI cs.CV
SDM-Car: A Dataset for Small and Dim Moving Vehicles Detection in Satellite Videos
School of Computer Science, Wuhan University（武汉大学计算机学院）；School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）；State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室）
针对卫星视频中低辐射暗弱运动车辆标注不足导致检测效果差的问题，构建了包含99个高质量视频的SDM-Car数据集，并提出基于图像增强和注意力机制的基准方法以提升暗弱车辆检测精度。
2024-12-24 cs.CV
CityFlow-NL: Tracking and Retrieval of Vehicles at City Scale by Natural Language Descriptions
Boston University（波士顿大学）；University of Washington（华盛顿大学）
自然语言（NL）描述可以是与用于理解和检测城市规模交通模式和车辆相关事件的系统进行交互的最方便或唯一方式之一。在本文中，我们扩展了广泛采用的城市流基准与NL车辆目标的描述，并介绍了城市流NL基准。CityFlow-NL包含超过5，000个独特而精确的车辆目标NL描述，使其成为我们所知的第一个具有NL描述数据集的多目标多摄像机跟踪。此外，该数据集有助于研究多目标跟踪，NL描述检索和事件的时间定位的交叉点。在本文中，我们专注于两个基本任务：车辆检索NL任务和车辆跟踪NL任务，这充分利用了建议的CityFlow-NL基准，并提供了一个强有力的基础，为未来的研究多目标多摄像机跟踪NL描述任务。
2021-04-05 cs.CV
Part-Guided Attention Learning for Vehicle Instance Retrieval
Tongji University（同济大学）；Shanghai Institute of Intelligent Science & Technology, Tongji University（同济大学上海智能科学与技术研究院）；The University of Adelaide（阿德莱德大学）
车辆实例检索通常需要识别车辆之间的细粒度视觉差异。除了车辆的整体外观容易受到视点变化和失真的影响外，车辆部件也提供了区分几乎相同的车辆的关键线索。受这些观察的启发，我们引入了一个部分引导注意力网络（PGAN）来定位突出的部分区域，并有效地结合全局和部分信息进行区分性特征学习。PGAN首先检测不同的零件组件和显着区域的位置，而不管车辆的身份，这作为自下而上的注意力，以缩小可能的搜索区域。为了估计检测到的部分的重要性，我们提出了一个部分注意力模块（PAM），以自适应地定位最具歧视性的地区与高关注权值和抑制分心的不相关的部分相对较低的权重。PAM由实例检索损失指导，因此提供了自上而下的注意力，使注意力能够在汽车部件和其他显著区域的水平上计算。最后，我们聚合的全局外观和部分功能，以进一步提高功能的性能。PGAN在端到端的框架中结合了部分引导的自下而上和自上而下的注意力、全局和部分视觉特征。大量的实验表明，该方法实现了新的国家的最先进的车辆实例检索性能的四个大规模的基准数据集。
2020-09-26 cs.CV
Vehicle Vectors and Traffic Patterns from Planet Imagery
Planet（星球公司）
本文利用Planet高分辨率SkySat和中分辨率SuperDove影像中的波段间位移（彩虹效应）检测移动车辆并估计速度与航向，构建大规模车辆矢量场，进而分析大范围、长时段的交通活动模式。
2024-06-10 cs.CV
All You Can Embed: Natural Language based Vehicle Retrieval with Spatio-Temporal Transformers
University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）；University of Ferrara（费拉拉大学）；University of Parma（帕尔马大学）
将自然语言与视觉相结合是人工智能领域中一个独特而有趣的挑战。人工智能城市挑战赛第5轮基于自然语言的车辆检索侧重于结合视觉和文本信息的问题，应用于智能城市用例。在本文中，我们提出了所有你可以嵌入（AYCE），一个模块化的解决方案，相关的单车辆跟踪序列与自然语言。所提出的架构的主要构建块是（i）BERT以提供文本描述的嵌入，（ii）卷积骨干以及Transformer模型以嵌入视觉信息。对于检索模型的训练，提出了一种三重边际损失的变体来学习视觉和语言嵌入之间的距离度量。该代码可在https://github.com/cscribano/AYCE_2021上公开获取。
2021-06-18 cs.CV
Accurate Vision-based Vehicle Localization using Satellite Imagery
Toyota Technological Institute at Chicago（芝加哥丰田技术研究院）
我们提出了一种方法，准确定位地面车辆的卫星图像的帮助下。我们的方法将地面图像作为输入，并输出在地理参考卫星图像上拍摄的位置。我们进行视觉定位，估计地面和卫星图像的基础上的地面-卫星特征字典之间的共现概率。该方法能够估计任意位置的可能性，而不需要密集的地面图像数据库。我们提出了一个基于排名损失的算法，学习位置判别特征投影矩阵，从而进一步提高准确性。我们评估了我们的方法在马拉加和KITTI公共数据集，并证明了显着的改进，执行穷举搜索的基线。
2015-10-30 cs.CV cs.RO
Veri-Car: Towards Open-world Vehicle Information Retrieval
JPMorgan Chase & Co.（摩根大通公司）
本文提出 Veri-Car 车辆信息检索框架，利用监督学习、预训练模型、分层多相似度损失及车牌 OCR，实现开放世界中车辆属性与车牌的准确识别。
2025-05-12 cs.CV
OMG: Observe Multiple Granularities for Natural Language-Based Vehicle Retrieval
Beijing University of Posts and Telecommunications（北京邮电大学）；China Mobile Research Institute（中国移动研究院）
通过自然语言描述检索被跟踪车辆在智慧城市建设中起着至关重要的作用。它的目标是从监控视频中的一组跟踪车辆中找到给定文本的最佳匹配。现有的工作一般解决它的双流框架，其中包括一个文本编码器，一个视觉编码器和一个跨模态损失函数。尽管已经取得了一些进展，但他们未能充分利用各种粒度级别的信息。为了解决这个问题，我们提出了一个新的框架，基于自然语言的车辆检索任务，OMG，观察多个粒度方面的视觉表示，文本表示和目标函数。对于视觉表示，目标特征，上下文特征和运动特征分别编码。对于文本表示，提取了一个全局嵌入，三个局部嵌入和一个颜色类型提示嵌入来表示不同粒度的语义特征。最后，采用跨模态多粒度对比损失函数对整体框架进行优化。实验证明了该方法的有效性。我们的OMG显著优于之前的所有方法，并在第六届AI城市挑战赛2中排名第9。这些代码可在https://github.com/dyhBUPT/OMG上获得。
2022-05-08 cs.CV
Vehicle detection and counting from VHR satellite images: efforts and open issues
QuantCube Technology（QuantCube科技公司）；Univ. Bretagne Sud（南布列塔尼大学）；Centre National d'Etudes Spatiales（法国国家空间研究中心）
从卫星图像中探测新的基础设施（商业、物流、工业或住宅）是调查和跟踪经济和城市增长的一种行之有效的方法。这些地点的活动或开发水平可能很难通过建筑物检查来确定，但可以从附近街道和停车场的车辆情况推断出来。在本文中，我们提出了两个基于深度学习的模型，用于在50厘米空间分辨率下从Pleiades传感器获得的光学卫星图像中进行车辆计数。研究了分割（Tiramisu）和检测（YOLO）架构。这些网络在包括87k辆汽车的数据集上进行了调整、训练和验证，并使用作者开发的交互式半自动工具进行了注释。实验结果表明，分割和检测模型的准确率都可以达到85%以上，召回率也很高（提拉米苏和YOLO分别为76.4%和71.9%）。
2019-10-25 cs.CV eess.IV
SOVABench: A Vehicle Surveillance Action Retrieval Benchmark for Multimodal Large Language Models
Milestone Systems A/S（Milestone Systems公司）；Universitat de Barcelona（巴塞罗那大学）；Computer Vision Center（计算机视觉中心）；Aalborg Universitet（奥胡斯大学）
SOVABench为多模态大语言模型提供车辆监控动作检索基准，通过定义两种评估协议评估跨动作区分和时间方向理解，展示了模型在复杂监控任务中的性能。
2026-10-14 cs.CV
SeasoNet: A Seasonal Scene Classification, segmentation and Retrieval dataset for satellite Imagery over Germany
TU Dortmund University（多特蒙德工业大学）
本文介绍了一种新的大规模多标签土地覆盖和土地利用场景理解数据集SeasoNet。它包括来自Sentinel-2磁贴的$1\,759\,830$图像，具有12个光谱波段和高达$ 120 \ \mathrm{px} \times 120 \ \mathrm{px}$的补丁大小。每个图像都使用德国土地覆盖模型LBM-DE 2018的大尺度像素级标签进行注释，土地覆盖类别基于CORINE土地覆盖数据库（CLC）2018和比原始CLC地图小五倍的最小映射单元（MMU）。我们提供了四季的像素同步示例，外加一个额外的雪景集。这些属性使SeasoNet成为目前最通用和最大的遥感场景理解数据集，其可能的应用范围从土地覆盖映射的场景分类到基于内容的跨季节图像检索和自监督特征学习。我们通过在场景分类和语义分割场景中对新数据集进行最先进的深度网络评估来提供基线结果。
2022-07-19 cs.CV
On Learning Vehicle Detection in Satellite Video
AIT Austrian Institute of Technology, Center for Digital Safety & Security（奥地利技术学院（AIT）数字安全与保障中心）；TU Wien, Institute of Visual Computing & Human-Centered Technology（维也纳技术大学视觉计算与以人类为中心技术研究所）
航空和卫星图像中的车辆检测仍然具有挑战性，因为与遥感图像的整体尺寸相比，它们的像素外观很小。经典的目标检测方法在这种情况下经常失败，因为违反了隐含的假设，如丰富的纹理，图像大小和目标大小之间的小到中等的比例。卫星视频是一种非常新的模态，它引入了时间一致性作为归纳偏差。卫星视频中的车辆检测方法使用背景减除、帧差分或子空间方法，表现出中等性能（0.26 - 0.82 $F_1$分数）。这项工作提出了将最近的深度学习应用于卫星视频上的广域运动图像（WAMI）。我们在第一种方法中显示了行星SkySat-1 LasVegas视频上的可比结果（0.84 $F_1$），并有进一步改进的空间。
2020-01-29 cs.CV cs.LG eess.IV
Applying High-Resolution Visible Imagery to Satellite Melt Pond Fraction Retrieval: A Neural Network Approach
University of Colorado（科罗拉多大学）
在夏季，融化的池塘对北极海冰的融化有着重要的影响。融池分数（MPF）也具有一定的预报能力。从卫星数据中准确地反演北极地区的融化池比例（MPF）对北极研究具有重要意义。提出了一种基于多层神经网络的卫星MPF反演模型MPF-NN。我们的模型使用多光谱卫星数据作为模型输入和MPF信息从多站点和多时期的可见光图像作为建模的先验知识。它可以有效地模拟北极不同地区和不同时期的融化池演变。评价结果表明，使用该模型从MODIS数据中反演的MPF的RMSE为3.91%，相关系数为0.73。MPF的季节分布也与以前的结果一致。
2017-04-13 cs.CV physics.ao-ph
FindVehicle and VehicleFinder: A NER dataset for natural language-based vehicle retrieval and a keyword-based cross-modal vehicle retrieval system
University of Liverpool（利物浦大学）；Xi’an Jiaotong-Liverpool University（西交利物浦大学）；Kunming University of Science and Technology（昆明理工大学）
本文构建交通领域 NER 数据集 FindVehicle，并提出 VehicleFinder 基线模型，利用实体识别提取车辆属性关键词，实现高效准确的自然语言跨模态车辆检索。
2023-04-21 cs.CV cs.MM
VME: A Satellite Imagery Dataset and Benchmark for Detecting Vehicles in the Middle East and Beyond
Qatar Computing Research Institute, Hamad Bin Khalifa University（哈马德·本·哈利法大学卡塔尔计算研究所）；College of Science and Engineering, Hamad Bin Khalifa University（哈马德·本·哈利法大学科学与工程学院）；Saarland Informatics Campus, Saarland University（萨尔兰大学萨尔兰信息学园区）
针对卫星图像车辆检测中的地理偏见问题，提出中东车辆检测数据集VME及全球基准CDSI，显著提升了中东及全球范围的车辆检测准确率。
2025-05-28 cs.AI cs.CV
Foundation AI Models for Aerosol Optical Depth Estimation from PACE Satellite Data
IEEE Service Center（IEEE服务中心）
本文提出ViTCG模型，通过融合空间和光谱信息，有效降低气溶胶光学深度估计的误差，实验显示比现有模型减少62%的均方误差。
2026-05-01 cs.CV
AirSpatialBot: A Spatially-Aware Aerial Agent for Fine-Grained Vehicle Attribute Recognization and Retrieval
Department of Electronic Engineering, Shanghai Jiao Tong University（电子工程系，上海交通大学）；Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学）
AirSpatialBot通过空间感知的VLM和两阶段训练策略，实现细粒度车辆属性识别与检索，解决遥感图像中的空间理解难题。
2026-01-04 cs.CV
Adapting Vehicle Detector to Target Domain by Adversarial Prediction Alignment
The University of Tokyo（东京大学）
虽然领域自适应技术的最新进展是显著的，但大多数方法仅对准特征提取器而不使分类器适应目标域，这将是性能下降的原因。我们提出了新的领域自适应技术的目标检测，对齐预测输出空间。除了特征对齐之外，我们还通过对抗训练来对齐车辆检测器对卫星图像的位置和类别置信度的预测。该方法显著提高了AP得分超过5%，这表明我们的方法在卫星图像中的目标检测任务的有效性。
2021-07-06 cs.CV
UrbanCross: Enhancing Satellite Image-Text Retrieval with Cross-Domain Adaptation
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Northwestern Polytechnical University（西北工业大学）；The Hong Kong University of Science and Technology（香港科技大学）
提出跨域卫星图像-文本检索框架UrbanCross，利用LMM和SAM实现多模态细粒度对齐，并结合自适应课程采样与加权对抗微调模块，有效弥合城市景观领域鸿沟，检索性能显著提升。
2024-04-22 cs.AI cs.CV
EarthEmbeddingExplorer: A Web Application for Cross-Modal Retrieval of Global Satellite Images
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences（中国科学院地理科学与资源研究所）；Asterisk Labs（Asterisk实验室）；LGND AI, Inc.（LGND AI公司）；University College London（伦敦大学学院）
本文介绍EarthEmbeddingExplorer，一种Web应用，通过跨模态查询实现全球卫星图像的动态检索，帮助研究人员将研究成果转化为实际应用。
2026-10-27 cs.CV
Learning a Repression Network for Precise Vehicle Search
Peking University（北京大学）
随着监控摄像头在公共安全领域的应用越来越广泛，从大规模图像数据库中搜索车辆的重要性也日益凸显。精确的车辆搜索，旨在找出给定的查询车辆图像的所有实例，是一项具有挑战性的任务，因为如果不同的车辆共享相同的视觉属性，它们将看起来非常相似。为了解决这个问题，我们提出了抑制网络（RepNet），一种新的多任务学习框架，同时从粗粒度和详细级别学习每个车辆图像的判别特征。此外，由于属性分类的准确性令人满意，桶搜索方法，以减少检索时间，同时保持竞争力的性能。我们对修订后的VehcileID数据集进行了广泛的实验。实验结果表明，我们的RepNet达到了最先进的性能和桶搜索方法可以减少检索时间约24倍。
2017-08-08 cs.CV
Real-time Geo-localization Using Satellite Imagery and Topography for Unmanned Aerial Vehicles
近年来，无人机（UAV）的自主飞行能力显著提高。然而，诸如在GPS拒绝环境中的快速和鲁棒的地理定位的基本问题仍然没有解决。现有的研究主要集中在提高定位的准确性，在各种情况下，这往往需要使用强大的地面站机器的长和变化的计算时间的成本。为了使基于图像的地理定位在线和实用的轻量级嵌入式系统的无人机上，我们提出了一个框架，是可靠的，在不断变化的场景，灵活的计算资源分配和适应常见的摄像头放置。该框架包括两个阶段：离线数据库准备和在线推理。在第一阶段，彩色图像和深度图呈现为从在卫星上量化的潜在车辆姿态和预期飞行区域的地形图中看到的。然后用渲染图像的全局和局部描述符填充数据库。在第二阶段，对于每个捕获的真实世界查询图像，从数据库中检索顶部全局匹配，并通过局部描述符匹配进一步细化车辆姿态。我们提出了基于图像的定位在两个不同的无人机平台上的实地实验，以验证我们的结果。
2021-08-07 cs.CV cs.RO
Open-SAT: LLM-Guided Query Embedding Refinement for Open-Vocabulary Object Retrieval in Satellite Imagery
North South University（北南大学）；NEC Laboratories America（NEC实验室）
Open-SAT通过LLM引导在推理阶段优化查询与卫星影像内容的对齐，提升开放词汇检索性能，实验表明其F1分数提升达16.04%。
2026-05-06 cs.AI cs.CV cs.IR
Dense-TNT: Efficient Vehicle Type Classification Neural Network Using Satellite Imagery
Nanyang Technological University（南洋理工大学）；Continental-NTU Corporate Lab（大陆集团-南洋理工大学联合实验室）；Agency for Science, Technology and Research (ASTAR)（新加坡科技研究局）；Institute for Infocomm Research (I2R)（资讯通信研究院）
准确的车型分类在智能交通系统中起着重要的作用。交通灯控制系统对道路状况的了解是至关重要的，通常有助于交通灯控制系统做出相应的反应，以缓解交通拥堵。新技术和综合数据源，如航空照片和遥感数据，提供了更丰富和高维的信息。此外，由于深度神经网络技术的快速发展，基于图像的车辆分类方法在处理数据时可以更好地提取潜在的客观特征。最近，已经提出了几种深度学习模型来解决这个问题。然而，传统的基于纯卷积的方法对全局信息抽取有一定的限制，并且恶劣天气等复杂环境严重限制了识别能力。为了提高复杂环境下的车型分类能力，提出了一种新的密集连接卷积Transformer in Transformer神经网络（Dense-TNT）框架，通过在Transformer（TNT）层中堆叠密集连接卷积网络（DenseNet）和Transformer来实现车型分类。三个区域的车辆数据和四个不同的天气条件下部署的识别能力评估。实验结果验证了我们提出的车辆分类模型的识别能力，几乎没有衰减，即使在大雾天气条件下。
2022-09-27 cs.AI cs.CV
Coming Down to Earth: Satellite-to-Street View Synthesis for Geo-Localization
Technical University of Munich（慕尼黑工业大学）
基于交叉视图图像的地理定位的目标是通过将给定街景图像与地理标记的卫星图像的集合进行匹配来确定给定街景图像的位置。这个任务是众所周知的挑战，由于激烈的观点和外观之间的差异，这两个领域。我们表明，我们可以通过学习从卫星输入合成逼真的街景来明确解决这种差异。根据这一观察，我们提出了一种新的多任务架构，其中图像合成和检索被认为是共同的。这背后的基本原理是，如果我们利用它们在两个输入域中生成图像，我们可以使我们的网络偏向于学习对检索有用的潜在特征表示。据我们所知，我们是第一个方法，从卫星图像创建逼真的街景，并本地化相应的查询街景，同时在一个端到端的方式。在我们的实验中，我们获得了最先进的性能的CVUSA和CVACT基准。最后，我们展示了令人信服的卫星街景合成的定性结果。
2021-03-11 cs.CV
DamageScope: Vision-Language Retrieval at Scale for Disaster Damage Assessment from Satellite Imagery
NEC Laboratories America（美国 NEC 实验室）
DamageScope是一种结合VLMs与LLMs的检索增强框架，通过多向量嵌入聚类和双存储架构，实现了卫星图像灾害损失评估的高效自动化，可扩展性与运营效率优异。
2026-08-25 cs.CL cs.CV cs.IR
Satellite Image-based Localization via Learned Embeddings
Massachusetts Institute of Technology（麻省理工学院）；Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
我们提出了一种基于视觉的方法，使用公开的卫星图像作为环境的唯一先验知识定位地面车辆。我们的方法作为输入的地面图像序列的车辆，因为它导航，并输出车辆的姿态相对于地理参考卫星图像的估计。我们通过一个神经多视图模型克服了图像之间的显著视点和外观变化，该模型学习位置判别嵌入，其中地面图像与其相应的场景卫星视图相匹配。我们使用这个学习函数作为过滤框架中的观察模型，以保持车辆姿态的分布。我们在不同的基准数据集上评估了我们的方法，并证明了它能够在相对于训练而言新颖的环境中定位地面图像，尽管存在显著的视角和外观变化的挑战。
2022-03-07 cs.CV cs.LG cs.RO
Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via Geometry-Guided Cross-View Transformer
The Australian National University（澳大利亚国立大学）；Ford Motor Company（福特汽车公司）
针对基于图像检索的跨视图地对星定位精度低的问题，提出几何引导跨视图Transformer结合神经位姿优化器与不确定性引导空间相关的方法，在KITTI数据集上大幅提升3自由度定位精度。
2023-07-20 cs.CV
Self-Supervised Pretraining on Satellite Imagery: a Case Study on Label-Efficient Vehicle Detection
Preligens（普雷利根斯）；Inria（法国国家信息与自动化研究所）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔理工学院）；MINES Paris - PSL University（巴黎矿业学院-PSL大学）
针对卫星影像车辆检测标注稀缺的问题，研究利用世界功能地图数据集和扩展动量对比框架开展域内自监督预训练，在低标签场景下性能优于ImageNet预训练。
2022-10-21 cs.CV cs.LG
T2I-VeRW: Part-level Fine-grained Perception for Text-to-Image Vehicle Retrieval
School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）；School of Artificial Intelligence, Anhui University（安徽大学人工智能学院）
本文提出PFCVR模型，通过部件级局部对齐和双向掩码恢复模块实现文本到图像的车辆检索，构建了新的大规模数据集T2I-VeRW，实验结果显示PFCVR在两个基准数据集上均取得优异的检索准确率。
2026-05-07 cs.AI cs.CV
Detecting Parking Spaces in a Parcel using Satellite Images
Saama Technologies AI Research Lab（萨马科技人工智能研究实验室）
来自卫星的遥感图像已被用于各个领域，用于检测和理解地面上的结构。在这项工作中，卫星图像被用于定位停车位和车辆在停车场为一个给定的包裹使用基于RCNN的神经网络架构。包裹shapefile和光栅图像从美国地质勘探局的图像存档用于开发图像的训练和测试。基于特征金字塔的Mask RCNN对停车位和车辆的平均分类准确率为97.56%
2020-01-30 cs.CV cs.LG stat.ML
The Solution for the CVPR 2023 1st foundation model challenge-Track2
Nanjing University of Science and Technology（南京理工大学）；Dalian University of Technology（大连理工大学）
本文针对跨模态交通检索提出解决方案，将任务分为行人和车辆检索，分别基于 IRRA 和 BLIP 设计属性挖掘、包含关系匹配及颜色增强等策略，最终在 CVPR 2023 基础模型挑战赛 Track2 中以 70.9 分获得第一名。
2024-04-02 cs.CV
Scale-Aware UAV-to-Satellite Cross-View Geo-Localization: A Semantic Geometric Approach
College of Aerospace Science and Engineering, National University of Defense Technology（航天工程学院，国防科技大学）；Hunan Provincial Key Laboratory of Image Measurement and Vision Navigation（湖南省图像测量与视觉导航重点实验室）；School of Information Science and Engineering, Lanzhou University（信息科学与工程学院，兰州大学）
本文提出一种基于语义几何的框架，通过利用小型车辆作为度量参考，恢复无人机图像的绝对尺度，从而提升无人机与卫星间跨视角地理定位的鲁棒性，并应用于被动高度估计和3D模型恢复。
2026-03-08 cs.CV
Zero-Shot Vehicle Model Recognition via Text-Based Retrieval-Augmented Generation
Yuan Ze University（元智大学）
针对现有车辆型号识别方法难适配新车型的问题，提出融合视觉语言模型与检索增强生成的零样本识别流水线，无需大规模重训，识别准确率较CLIP基线提升近20%，可支撑智慧城市可扩展VMMR应用。
2025-10-21 cs.AI cs.CL cs.CV
Weakly-supervised Camera Localization by Ground-to-satellite Image Registration
ShanghaiTech University（上海科技大学）；The Australian National University（澳大利亚国立大学）；Ford Motor Company（福特汽车公司）
针对地对卫星图像配准依赖精确GPS标签的问题，提出仅用噪声位姿标签的弱监督对比学习与自监督旋转估计方法，在跨区域评估中超过依赖精确标签的方法。
2024-09-10 cs.CV
DeTracker: Motion-decoupled Vehicle Detection and Tracking in Unstabilized Satellite Videos
State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室）；School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院）；Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院）
针对未稳定卫星视频中多目标跟踪的挑战，DeTracker提出一种联合检测与跟踪框架，通过全局局部运动解耦模块和时间依赖特征金字塔模块提升轨迹稳定性与目标识别一致性，实验表明其在SDM-Car-SU和真实卫星视频数据上均取得优异性能。
2026-04-16 cs.CV eess.IV
Deep Learning Enhanced Road Traffic Analysis: Scalable Vehicle Detection and Velocity Estimation Using PlanetScope Imagery
Heidelberg Institute for Geoinformation Technology (HeiGIT)（海德堡地理信息技术研究所）；Heidelberg University（海德堡大学）；University of Lodz（罗兹大学）
本文提出基于PlanetScope SuperDove卫星影像和Keypoint R-CNN的车辆检测与速度估计方法，利用波段时序差异跟踪车辆轨迹，在德国和波兰高速公路上验证了其可扩展的全球交通监测潜力。
2024-10-04 cs.CV cs.LG
RSL-Net: Localising in Satellite Images From a Radar on the Ground
Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所）
本文是关于使用安装在地面车辆上的FMCW雷达定位车辆的开销图像。FMCW雷达为车辆定位提供了非凡的承诺和功效。它不受任何天气类型和照明条件的影响。然而，毫米波雷达波与物理环境相互作用的复杂性使其成为一个具有挑战性的领域。基于雷达的无结构大规模定位仍处于起步阶段。通常，在这里建立地图，并采用与传感器的性质兼容的适当技术。在这项工作中，我们避开了对基于雷达的地图的需要;相反，我们简单地使用一个开销图像-一个随时随地可用的资源。本文介绍了一种方法，不仅自然地处理信号类型的复杂性，但这样做的背景下，跨模态处理。
2020-02-06 cs.CV cs.RO eess.IV
Data level and decision level fusion of satellite multi-sensor AOD retrievals for improving PM2.5 estimations, a study on Tehran
University of Isfahan（伊斯法罕大学）
用于估计直径小于2.5微米的表面颗粒物浓度（PM2.5）的技术之一是使用气溶胶光学厚度（AOD）产品。不同的AOD产品从不同的卫星传感器，如MODIS和VIIRS，通过不同的算法，如深蓝和暗目标检索。因此，它们不具有相同的精度和空间分辨率。此外，AOD检索算法的弱点减少了产品的空间覆盖范围，特别是在多云或下雪的地区。因此，第一次，本研究调查的可能性融合AOD产品从观测的MODIS和VIIRS传感器检索深蓝和暗目标算法，以更准确地估计PM2.5。为此，采用机器学习算法，在数据层和决策层两个层次上采用不同的融合策略对AOD产品进行融合。首先，评估了使用AOD数据估计PM2.5的各种机器学习算法的性能。在此基础上，选择XGBoost算法作为所提出的融合策略的基础模型。然后，将AOD产物进行熔融。融合结果表明，在所有三个指标，RMSE，MAE和R2，在数据水平上的估计PM2.5的准确性得到改善（R2=0.64）。尽管数据级融合方法简单且计算成本较低，但由于通过融合过程消除了质量差的数据，空间覆盖没有显著改善。之后，在决策层的产品融合，其次是在十一个场景。在此基础上，将MODIS和VIIRS的深蓝产品进行融合得到了最佳的结果（R2=0.81）。
2023-02-01 cs.CV eess.SP
Semantic Neural Radiance Fields for Multi-Date Satellite Data
Fraunhofer Institute of Optronics, System Technologies and Image Exploitation（弗劳恩霍夫光学技术、系统技术和图像利用研究所）
提出一种卫星专用神经辐射场模型，利用多日期卫星图像和像素级语义标签生成三维语义表示，增强颜色预测并改善噪声标签，附带数据集和代码。
2025-02-24 cs.CV
SAR-RAG: ATR Visual Question Answering by Semantic Search, Retrieval, and MLLM Generation
SenSIP Center, School of ECEE, Arizona State University（SenSIP中心，电子与计算机工程学院，亚利桑那州立大学）；Prime Solutions Group Inc（Prime Solutions Group公司）
本文提出SAR-RAG方法，结合多模态大语言模型和语义嵌入向量数据库，通过语义搜索和检索提升SAR图像目标识别的准确性，通过分类和回归指标验证效果。
2026-05-11 cs.AI cs.CV eess.IV
