本文利用 3.8 万张包含地理位置信息的图像构建数据集 VIPPGeo，并利用该数据集进行国家识别问题的分类模型训练与实验，发现比直接基于地理坐标估计图片拍摄地并追溯国家更为有效，结果优于现有研究。

Sep, 2022

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

我们介绍了 OpenStreetView-5M，这是一个大规模、开放获取的数据集，包含了超过 510 万个地理参考的街景图像，涵盖了 225 个国家和地区。通过对各种最新图像编码器、空间表示和训练策略进行广泛测试，我们展示了该数据集的实用性，并解决了图像定位在计算机视觉算法中的问题。

Apr, 2024

该论文介绍了 Google 地标检索 2021 年 Kaggle 比赛的第二名解决方案，该解决方案基于具有训练技巧的基线，提出了一种根据国家标签选择训练图像的大陆感知的采样策略，并为检索任务提出了地标 - 国家感知的重新排名方法。在私人排行榜上，我们实现了 0.52995 mAP@100。可在此 https URL 中找到代码。

Oct, 2021

本文提出了一种基于街景图像的自动检测并计算感兴趣的重复固定对象的 GPS 坐标的方法，使用两个全卷积神经网络进行处理并使用一种新颖的自定义马尔可夫随机场模型进行三角化，实验证明了本方法的有效性。

Aug, 2017

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

该论文提出了一种新的方法来在基于学习低维嵌入空间的 2D 地图上定位全景图像，当使用谷歌街景和开放街地图数据时，通过沿路径连接多个图像来快速收敛，可以实现多达 200 米左右长度的路线的 90％的精度，方法普适性强且比使用前面基于固定语义特征的方法具有更高的定位精度和更快的收敛速度。

Nov, 2019

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