PulseAugur
中
实时 06:45:50
English(EN) A Unified Benchmark and Modality-Adaptive Network for Day-and-Night Drone-View Geo-Localization

新的基准和方法在各种条件下推进无人机视角地理定位

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出新的无人机视角地理定位方法，该任务涉及使用无人机的图像识别其位置。第一种方法 MASTR-Net 通过创建名为 IRCHN 的统一基准来应对不同光照条件带来的挑战。该基准包含来自同一地理位置的可见光、红外线和卫星图像，从而实现更好的泛化能力。第二种方法 GeoMFD 专注于无人机视角地理定位的持续学习，允许单个模型在不忘记先前学习到的信息的情况下适应新环境。GeoMFD 使用几何感知适配器和边距场蒸馏来在不同设置下保持性能。 AI

影响 无人机视角地理定位的这些进步可以改善在各种环境条件下的自主导航和监控能力。

排序理由 arXiv 上发表的两篇研究论文，介绍了无人机视角地理定位的新基准和方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的基准和方法在各种条件下推进无人机视角地理定位

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Songtianhao Xu, Zhongwei Chen, Zhao-Xu Yang, Weifeng Wang ·

    面向昼夜无人机视角地理定位的统一基准和模态自适应网络

    arXiv:2607.25778v1 Announce Type: new Abstract: Most existing drone-view geo-localization (DVGL) benchmarks contain drone imagery captured under a single illumination condition and lack geographically aligned visible drone images, infrared drone images, and satellite images from …

  2. arXiv cs.CV TIER_1 English(EN) · Zhongwei Chen, Hai-jun Rong, Tao Zhang, Xianfeng Nie, Xiangbao Zhang, Guoqi Li, Zhao-Xu Yang ·

    GeoMFD：具有几何感知适配器和边距场蒸馏的持续无人机视图地理定位

    arXiv:2607.25788v1 Announce Type: new Abstract: Existing drone-view geo-localization (DVGL) methods are mainly developed under a static training paradigm, where models are optimized for fixed environments with all training data available in advance. However, this paradigm is diff…

相关实体

相关话题