CVPRMar, 2024

EarthLoc：太空中通过对地球进行索引实现的宇航员摄影定位

PDF
TL;DR本研究提出了一种新颖的方法，利用图像检索技术高效解决航天员摄影图像的地理位置定位问题，通过引入创新的训练技术，包括年度数据增强和一种中性感知多相似性损失，研发了高性能模型 EarthLoc，并通过与现有方法的全面基准测试，展示了其卓越的效率和准确性，该方法将填补地球观测数据中一个重要的空白。
发现论文，激发创造
  • EarthMatch：航天员摄影细化定位的迭代配准

    精确的像素级别的航天员摄影地理定位对于释放这种独特类型的遥感地球数据的潜力至关重要，特别是在灾害管理和气候变化研究中的应用。因此，我们提出了 EarthMatch，一种迭代单应性估计方法，可产生精细的航天员摄影地理定位，同时保持对速度的重视。

    May, 2024

  • 无人机视觉定位的大规模数据集：UAV-VisLoc

    为解决无人机视觉定位问题，本文提出了一个大规模数据集 UAV-VisLoc，其中包含了来自中国 11 个地点的多种类型无人机图像和卫星地图，以支持模型的训练和测试。

    May, 2024

  • 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

  • 拥挤室内环境的大规模定位数据集

    使用新型的激光雷达 SLAM 技术和结构运动优化方法在大型商场和地铁站获取室内数据集以便于在室内环境中进行视觉定位，并测试现代化的视觉定位算法，证明结构基方法使用健壮的图像特征具有更高的性能。

    May, 2021

  • CurriculumLoc: 通过多阶段改进增强跨领域地理定位

    视觉地理定位方法的多阶段课程学习以及全局和局部特征的关键点检测、描述和位置调整使其成为一种实用的视觉地理定位解决方案，取得了高召回率的好成绩。

    Nov, 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

  • 世界上这张图片是在哪里？基于 Transformer 的野外地理定位

    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。

    Apr, 2022

  • 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

  • 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

  • SpaceNet：遥感数据集与挑战系列

    利用地球成像卫星阵列进行快速更新基础地图的先进机器学习技术，结合 SpaceNet 的图像标签与公共奖项竞赛加速影像判读自动化的建筑与道路网络提取，以解决人工标记不足的问题。

    Jul, 2018