ICLRApr, 2024

一种简洁的平铺策略用于保留地球观测图像中的空间上下文

PDF
TL;DR我们提出了一种新的平铺策略，Flip-n-Slide，该策略在处理大型地球观测卫星图像时，当感兴趣对象（OoI）的位置未知且空间上下文对于类别消歧有必要时，提供了一种简洁而简化的方法，允许 OoI 在多个平铺位置和方向上表示。通过为每个平铺重叠保留不同的转换排列，我们增强了训练集的泛化能力，而不会误代表真实数据分布。我们的实验证实了 Flip-n-Slide 在地球物理研究中语义分割任务中的有效性，并且在所有评估指标上都优于以往状态的最新增强方法。对于低频类别，Flip-n-Slide 的精确度提高了多达 15.8%。
tiling strategyflip-n-slideearth observation satellite imagesspatial contextsemantic segmentation
发现论文，激发创造
  • 地球观测图像语义分割的地理瓷砖

    本文提出了一种新的地球观测图像分割流程，该方法利用基于效用矢量数据的地理瓦片技术，相对于现有的基于像素或通用 Web 映射方法，具有更灵活的自定义性、更稳定的空间瓦片范围，实验表明可以提高当前最先进的语义分割模型的结果。

    Jun, 2023

  • 超越地理定位：通过卫星图像与街景图像进行交叉视角匹配的细粒度街景图像定向

    使用街景图像进行定位时，精细定位角度的准确度对于提高街景图像的定位和地理定位任务的性能至关重要。本研究提出了两种方法，实现了对街景图像角度的细致估计，相较于以前的方法，准确度提高了 34.9% 至 28.2%。在训练中整合了精细定位角度估计，进一步提升了地理定位的性能。

    Jul, 2023

  • 为跨视图地理定位的神经网络引入贷款方向

    本文提出一种基于方向信息的神经网络模型，应用于图像地理定位问题中，使用角度编码方式让神经网络更好的提取特征，使该模型在地理位置定位方面表现出较高的正确率和精度。

    Mar, 2019

  • 基于卫星图像的地理定位

    本文针对在地面视图图像查询给定地理参考卫星地图的定位问题提出了一种基于 CVM-Net 的 Markov 定位框架，通过更广泛的实验结果和分析，它扩展了我们早期关于 CVM-Net 的工作，并提出了一种 Markov 定位框架，该框架可以在可用的地面图像流视频的情况下增强地理定位结果。实验结果表明，我们提出的 Markov 定位框架可以在新加坡数据集上持续实现小误差内的车辆定位。

    Mar, 2019

  • SatCLIP：卫星图像中的全球通用位置嵌入

    Satellite Contrastive Location-Image Pretraining (SatCLIP) is a global geographic location encoder that provides vector embeddings summarizing location characteristics, outperforming existing pretrained encoders in various predictive tasks, and enabling meaningful representations of our planet from geospatial data.

    Nov, 2023

  • 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

  • 利用航拍影像进行街景定位和方向校准

    利用深层卷积神经网络对地面和卫星俯视图进行交叉检索，实现图像地理定位，提出了一种新的损失函数，并采用多种匹配机制和旋转不变训练来提高图片匹配精度和效率。

    Jul, 2016

  • 从单张图片中确定二维地图上的位置和朝向：Flatlandia 定位问题与数据集

    Flatlandia 是一个解决由两个特定任务组成的视觉定位问题的创新性问题，包括粗略地图定位和细粒度 3DoF 定位，开发人员使用提供的 Flatlandia 数据集进行验证。

    Apr, 2023

  • 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

  • 解耦像素翻转与遮挡策略，实现一致的可解释性人工智能评估基准

    该研究提出了两个互补的视角来解决特征消除的争议问题，首先，我们通过 R-OMS 评分解决具有一致影响排序的像素翻转 (PF) 排名分组问题，其次，我们将 MIF 和 LIF 指标结合到对称相关增益 (SRG) 中以实现一致的排序。

    Jan, 2024