VPR is crucial in computer vision, and this paper proposes NocPlace, a system that addresses the cross-domain problem of night-to-day in visual place recognition by leveraging a large-scale nighttime dataset to embed resilience against dazzling lights and extreme darkness, resulting in improved performance compared to previous methods.

Feb, 2024

本研究提出了一种新的深度 - 时间感知视觉地点识别系统，通过提取深度过滤关键点序列，对与单个查询图像中的关键点进行比较，解决了对立的视角和极端外观变化视觉地点识别问题，实验证明在多个基准数据集上表现优异，还进行了一系列模拟实验，以表征深度过滤关键点序列在关键域参数方面的贡献。

Feb, 2019

室内视觉地点识别对于人类和机器人的定位和导航具有益处。此论文介绍了 NYC-Indoor-VPR 数据集，它是纽约市 13 个不同拥挤场景的超过 36,000 张图片的独特且丰富的集合，这些图片采用了不同的光照条件和外观变化。为了建立视觉地点识别的基准，我们提出了一种半自动标注方法，通过计算每个图片的位置信息。最后，我们使用我们的标注数据集对几种最先进的视觉地点识别算法进行了基准评估，揭示了其挑战和对视觉地点识别研究的价值。

Mar, 2024

本文介绍了室内外视觉定位的新任务 Inside Out Visual Place Recognition (IOVPR)，提出室内景观中的大窗户可以提供室外场景信息，因此可以使用 Visual Place Recognition 方法进行定位。通过引入室内外数据扩充方法，改进了现有的 Visual Place Recognition 方法以适应室内场景的环境，最后，使用大规模的 Amsterdam-XXXL 数据集进行验证。

Nov, 2021

本文旨在探究利用先前的地图信息对动态场景中的目标进行检测，进而提出了一种基于二进制分类神经网络的算法，该算法能够验证查询图像的检测，并通过参考地图图片得出高精度检测的集合，且证明该方法在不同数据集和环境下能够提升车辆检测性能。

Jun, 2023

本研究提出了一种跨域视觉地点识别任务，使用年龄不变的特征学习卷积神经网络和注意聚合模块实现跨域匹配不同领域中同一建筑物的图像，达到了 99% 的单域匹配和 20% 的跨域匹配的最佳成果。

Sep, 2019

本研究提出了一个名为 “VPR-Bench” 的综合性开源框架，以帮助评估不同的视觉地点识别技术，该框架包含 12 个完全集成的数据集和 10 种 VPR 技术。通过应用和分析计算机视觉和机器人学界的流行评估指标，本文讨论了这些不同指标如何在不同应用和系统需求下相互补充和替代。

May, 2020

通过使用通用特征表示和无监督特征聚合，本研究提出了一种适用于各种结构化和非结构化环境的通用视觉地点识别 (VPR) 解决方案，并取得了相较于现有方法高出 4 倍的显著性能提升，同时对特征进行语义属性建模获得 6% 的性能改善。

Aug, 2023

使用新的特征聚合方法，通过注册器辅助模型训练，以获取具有辨别性地点信息的全局和局部特征，并通过重新分配注意力权重将这些注册器舍弃，从而实现对原始图像表示中不稳定特征的有效分离，其表现超过了现有方法

May, 2024

本文通过调查与研究 Visual Place Recognition（VPR）的关键要素，提出一种基于视觉重叠的新的 VPR 定义，并指出未来需要深入关注的挑战和领域。

Mar, 2021