研究人员开发了CIPER，一个新颖的统一跨视图地理定位框架，可同时执行大规模图像检索和精确姿态估计。与以往分别处理这些任务的方法不同，CIPER使用共享的Transformer编码器将它们集成到一个单一架构中。该方法利用特定任务的token和一个双向Transformer姿态解码器来学习互惠特征，弥合了地面和航空影像之间的领域差距。在多个数据集上的实验表明，CIPER在具有挑战性的条件下（如视场有限和任意方向）取得了有竞争力的性能。 AI
影响 通过统一检索和姿态估计，提高了地理定位精度，有望改善自动驾驶和增强现实等应用。
排序理由 该集群包含一篇详细介绍特定计算机视觉任务新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.05011v1 Announce Type: new Abstract: Cross-view geo-localization estimates the geographic location of a ground image by matching it against an aerial image database. Existing methods tackle this through either large-scale retrieval or precise pose estimation, but not b…
Cross-view geo-localization estimates the geographic location of a ground image by matching it against an aerial image database. Existing methods tackle this through either large-scale retrieval or precise pose estimation, but not both: retrieval-based methods enable wide-area se…