PulseAugur
中
实时 05:21:05
English(EN) Object-aware graph matching network for cross-domain remote sensing image localization

新框架增强跨域遥感图像定位能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的对象感知图匹配框架，以改进跨域遥感图像定位，特别是在红外到可见光匹配方面。该方法将对象检测与双图神经网络推理相结合，将显著区域表示为图节点，并对图像间对应关系和图像内关系进行建模。一种新颖的仅训练节点对齐策略在不增加推理复杂性的情况下增强了监督。该方法在SUES-200等既有数据集上表现出竞争力，并在新引入的IRVL328和DenseUAV数据集上取得了强劲结果，尤其是在具有挑战性的跨模态场景中。 AI

影响 这项研究可以提高遥感图像定位的准确性，特别是在涉及不同传感器类型的应用中。

排序理由 关于新颖计算机视觉框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架增强跨域遥感图像定位能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tao Liu, Kan Ren, Qian Chen ·

    面向跨域遥感图像定位的物体感知图匹配网络

    arXiv:2511.02489v2 Announce Type: replace Abstract: Cross-domain and cross-modal remote sensing image geo-localization remains challenging due to large appearance discrepancies and unstable semantic correspondence across heterogeneous sensors and platforms. Existing methods mainl…

相关话题