研究人员推出了一种新颖的无监督跨视图地理定位框架STEAM，该框架无需人工标注即可匹配无人机和卫星图像。该方法采用稳定的空间感知模块进行鲁棒特征表示，弹性匹配识别高质量伪标签，以及自适应净化在自训练过程中维护干净的伪标签数据集。在基准数据集上的实验表明，STEAM在无监督方法中取得了最先进的成果，并且与监督方法相当。 AI
影响 这种无监督方法可以降低地理定位任务的成本和精力，有可能使其在依赖无人机和卫星图像的应用中得到更广泛的应用。
排序理由 该集群包含一篇详细介绍新研究框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09057v1 Announce Type: new Abstract: Cross-view geo-localization (CVGL) aims to achieve GPS-free localization by matching drone-view images with corresponding satellite-view images. Existing supervised methods rely on large-scale manually annotated cross-view image pai…
Cross-view geo-localization (CVGL) aims to achieve GPS-free localization by matching drone-view images with corresponding satellite-view images. Existing supervised methods rely on large-scale manually annotated cross-view image pairs, making them costly and difficult to scale. I…