Jan, 2022

一种基于 Transformer 的无人机视角地理定位特征分割和区域对齐方法

PDF
TL;DR本文提出了一种名为特征分割与区域对齐 (FSRA) 的简单有效的转换器结构，用于加强模型理解上下文信息以及实例分布的能力，从而为解决无人机和卫星等不同视角下的地理图像匹配问题提供了一个新的解决方案，经过实验证明，该方法的性能卓越且达到了迄今为止在无人机目标定位和导航中的最佳表现。
cross-view geo-localizationcnn-based methodstransformer-based structurefeature segmentationregion alignment
发现论文，激发创造
  • 交叉视角图像地理定位的最优特征传输

    本文提出一种新的交叉视图特征传输（CVFT）技术来明确建立跨视图传输，从而促进地面图像和航空图像之间的功能对齐，实现更有意义的特征相似度比较，明显提高了交叉视图定位性能，预计该领域差异处理的关键洞察将证明在计算机视觉领域中也很有用。

    Jul, 2019

  • 用于无人机车辆重新识别的自校准空间特征提取网络

    本文提出了一种自对齐无监督网络来提取无人机视角下肖像系统中的细化特征，旨在解决操作难度大、需要困难的注释过程的问题，并在 UAV-VeID 数据集上实现了最佳的 ReID 效果。

    Jan, 2022

  • 一种基于 Transformer 的自适应语义聚合算法用于无人机视觉地理定位

    这篇论文介绍了一种基于 Transformer 的自适应语义聚集方法，将部分作为图像中最具代表性的语义，并将部分级别的特征分解为所有补丁特征的自适应总和，以实现准确的无人机 - 卫星图像匹配。

    Jan, 2024

  • 一种基于语义分割的地空图像匹配方法

    该论文提出了一种基于语义分析的方法，通过比较地面图像与卫星图像的特征，结合语义分割掩模，实现无 GPS 数据的查询地理定位，并在不同视场上通过对 CVUSA 数据集进行测试表明该方法提升了性能。

    Apr, 2024

  • 跨视角地理定位：综述

    本文针对跨视域地理定位领域的前沿方法、技术和挑战进行了综述，着重介绍了基于特征和深度学习策略。研究涵盖了建立不同视点之间对应关系的基于特征的方法，以及采用卷积神经网络嵌入视图不变属性的深度学习方法。对跨视域地理定位遇到的各种挑战进行了探讨，如视点和照明的变化、遮挡的发生，并提出了相应的创新解决方案。此外，本文介绍了基准数据集和评估指标，并对最先进技术进行了比较分析。最后，对未来研究以及跨视域地理定位在全球复杂网络环境中蓬勃发展的应用进行了讨论。

    Jun, 2024

  • TransGeo: 跨视图图像地理定位的完整解决方案 ——Transformer Is All You Need

    本研究提出了一种基于纯 Transformer 的方法（TransGeo）来针对交叉视图图像地理定位中的局限性，通过全局信息建模和显式位置信息编码等优势，结合了注意力引导的非均匀裁剪方法以实现性能优化，结果表明该方法在城市和乡村数据集上取得了最优结果，并显著降低了计算成本。

    Mar, 2022

  • 跨视角图像检索之外：使用卫星图像实现高精度车辆定位

    本文提出了一种车载摄像机定位的解决方案，通过神经网络和几何投影模型实现从地面图像匹配到高空卫星地图上，并把匹配问题转化为姿态估计问题来提高定位精度。

    Apr, 2022

  • 基于递进对抗学习的无人机视觉地理定位的视角分布对齐

    提出了一种名为 PVDA（Progressive View Distribution Alignment）的网络，通过逐步对抗性学习策略来解决无人机（UAV）视觉地理定位中的图像间分布差异问题，以学习与地点相关且与视角无关的特征，并在 University-1652 数据集上取得了卓越的性能。

    Jan, 2024

  • 基于几何引导的跨视角 Transformer 提高 3 自由度地对卫星相机定位精度

    本篇论文提出了一种增加地面摄像头位置和方向准确度的方法，通过估计地平线图像和卫星图像之间的相对旋转和平移，设计一种几何引导的交叉视图转换器，构建一个强大的神经姿态优化器来估计它们之间的相对旋转，通过空间相关性生成车辆位置的概率图，并明显优于现有技术。

    Jul, 2023

  • 面向导向对比学习的无人机视角地理定位

    通过建议的方向引导训练框架，本文在无人机成像中通过层级定位，预测方向标签以支持训练，实现了高精度的地理定位，同时还可以增强卫星图像对空间的推广。

    Aug, 2023