通过使用计算机视觉、机器学习和文本检索方法的组合，此论文展示了 Country Guesser，一种实时系统，可以猜测一张照片所拍摄的国家。有趣的是，使用基于文本的特征来调查大型预训练语言模型可以提供模态交叉监督，此前尚未有利用视觉和文本特征进行国家猜测的系统。

Jun, 2024

该篇论文研究了如何通过使用人类编写的指南书中的知识来改善地理定位任务，并提出了一种通过使用 StreetView 图像数据集和 GeoGuessr 的文本指南进行地理定位的方法，该方法可以通过从指南书中自动提取的线索来预测每张图像的国家，并使用伪标签来监督地学习，明显优于现有的只使用图像的地理定位方法。

Nov, 2022

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

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

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

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

本文基于深度卷积神经网络，提出了一个新的框架，用于跨视角图像地理定位，包括 Faster R-CNN 和 Siamese 网络，并将其在一个新的数据集上进行了评估，结果表明该方法比其他方法具有更好的定位精度，并能够推广到未见过的位置。

Mar, 2017

自动将古代图片与现代图片关联并创建文化遗产城市地图的任务，本文介绍了如何通过在因互联网引起的时间差异下变化较大的现代标注图像中识别古代照片中的位置，并对不同的特征进行了广泛分析。此外，我们还展示了本任务可以从域自适应中受益。

Sep, 2014

本文系统考察了在细粒度图像分类中，如何利用地理位置信息来提高分类准确性，通过发布两个带有地理位置信息的数据集，实验结果表明，使用地理位置信息可以将模型的准确性从 70.1% 提高到 79.0%。研究还发现，针对资源有限的模型，建议使用特征调节模型，可以将模型准确性从 59.6% 提高到 72.2%。

Jun, 2019

本研究通过利用 GPS 坐标，探索了将位置信息与卷积神经网络相结合进行图像分类的方法，并在 Yahoo Flickr Creative Commons 100M 数据集的子集上进行了评估，证明了这种方法可以使平均精度提高近 7%。

May, 2015