GSV-Cities

新框架剪枝数据集以实现高效视觉地点识别

研究人员为视觉地点识别（VPR）任务开发了一种新颖的地点级数据集剪枝框架。该方法将每个地点视为剪枝的基本单元，引入了地点内多样性和地点间相似性指标来评估训练价值。该框架旨在通过创建紧凑但信息丰富的核心集，降低与大型VPR数据集相关的存储和训练成本。实验表明，该方法在MSLS-val和Nordland等基准测试中表现优于现有方法，在显著减小数据集规模的同时实现了高性能。