ECCVApr, 2022

世界上这张图片是在哪里？基于 Transformer 的野外地理定位

PDF
TL;DR本文提出了 TransLocator，这是一种基于双分支 Transformer 网络的方法，使用单一 RGB 图像和其语义分割图像进行地理定位和场景识别的多任务学习，其在四个基准数据集上均获得了比现有方法高的准确度。
geo-localizationrgb imagetranslocatortransformer networkbenchmark datasets
发现论文，激发创造
  • 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

  • 使用层次和场景的基于查询的全球图像地理定位

    我们提出了一种基于 Transformer 的端到端架构，通过层次交叉注意力利用不同地理层次和相应的视觉场景信息来确定照片的确切纬度和经度，实现了在四个标准地理位置数据集上的最新成果，并介绍了一个更困难的测试数据集，从 Google Streetview 中覆盖整个地球，并呈现出最新的结果。

    Mar, 2023

  • 可解释的语义化照片地理定位

    介绍了使用语义分割和特征分析方法来提高星球级照片定位准确性和可解释性。

    Apr, 2021

  • Img2Loc: 通过多模态基础模型和基于图像检索增强的生成，重新审视图像地理定位

    Img2Loc 是一个采用 GPT4V 或 LLaVA 等大型多模态模型进行检索增强生成的创新系统，通过重新定义图像地理定位作为文本生成任务，它不仅在 Im2GPS3k 和 YFCC4k 等基准数据集上超过了先前最先进的模型的性能，而且在没有任何模型训练的情况下做到了这一点。

    Mar, 2024

  • PlaNet - 基于卷积神经网络进行照片地理定位

    本文采用卷积神经网络以及深度学习方法，通过对地球表面进行多尺度地理单元的细分，结合图像中的地标、天气模式、植被、道路标记和建筑细节等线索，利用海量地理标记图像进行分类，建立了一个名为 PlaNet 的模型，旨在通过照片图像实现定位识别，并结合长短时记忆神经网络，提高模型识别不确定图片的地理定位准确率。

    Feb, 2016

  • 利用选择性预测提高可靠的图像地理定位

    本文提出了一个选择性预测方法来解决图片适合地理定位问题，其中包括两个选型函数，能够将不可定位的图片排除预测，大大提高了城市规模的地理定位精度，使得现有的地理定位模型在实际应用中更加可靠。

    Nov, 2021

  • 深度学习时代的 IM2GPS 重访

    本文提出了将深度图像分类方法与原始的 Im2GPS 方法相结合，同时应用核密度估计来估计查询图片的地理位置，结果表明使用分类损失的网络训练比其他典型用于检索应用的深度特征学习方法（如对比学习和三元组损失的同构网络）表现更好，提高了地理定位的准确性并且需要更少的训练数据。

    May, 2017

  • GeoCLIP：基于 Clip 的位置和图像对齐，实现有效的全球地理定位

    GeoCLIP 是一种新颖的受 CLIP 启发的图像到 GPS 检索方法，通过对图像和其对应 GPS 位置之间的对齐实现了对全球范围内图像的精确定位。在基准数据集上的广泛实验和消融分析表明我们的方法取得了有竞争力的性能，并且在有限数据的情况下也具有有效性。此外，我们通过利用图像编码器的 CLIP 骨干来定性地演示了使用文本查询的地理定位。

    Sep, 2023

  • 通过地对卫图像匹配实现准确的三自由度相机地理定位

    本文提出了一种基于几何感知的地球到卫星图像地理定位方法，该方法可以实现对查询图像的精准定位，其精度可达卫星图像的像素级，同时提出了一种新的基于几何感知的图像检索流程，以提高定位准确性。

    Mar, 2022

  • 通过地面图像和手机 GPS 定位的准确深度直接地理定位

    本文提出了一种利用普通地面图像和低精度手机 GPS 训练地理空间深度神经网络以准确预测车辆地理位置 (纬度和经度) 的方法。我们在一个公开数据集和我们自己采集的在雾都旧金山市中心的图像上验证了该方法，结果表明模型可以在实际业务应用中足够预测质量位置，同时避免了使用地图或 SFM 模型的当今经典视觉定位或姿态估计方法所遇到的问题。

    Apr, 2018