3D-LENS：基于三维提升的单视角航空-地面重识别新视角合成方法
计算机视觉与模式识别
2026-04-30 v1
摘要
航空-地面重识别 (Aerial-Ground Re-Identification, AG-ReID) 因视角间的剧烈差异导致判别性特征遮挡或失真，使得跨视角图像检索变得具有挑战性。现有方法依赖配对的跨视角标注，而现实场景（如野生动物搜救, SAR）往往缺乏目标域数据，仅能从地面级参考进行检索。我们在正式提出单视角 AG-ReID (SV AG-ReID) 设置后，首次针对此挑战展开研究，即模型需从单一真实视角训练，才能泛化至未见视角。我们提出3D Lifting-based Elevated Novel-view Synthesis (3D-LENS)，一种统一框架，融合几何一致的新视角合成技术，利用大规模3D网格重建，并辅以鲁棒的表示学习方案以缓解合成-真实偏差。不同于2D生成基线导致几何不一致，或限于类别特定模板的先前3D方法，Our方法确保跨不同类别的视角一致合成，且无需预定义模板——这可以捕获如携带物品等细粒度细节。广泛实验表明，我们的方法在SV AG-ReID场景下实现了最先进的性能。代码与数据将在 https://github.com/TurtleSmoke/3D-LENS 发布。
引用
@article{arxiv.2604.26520,
title = {3D-LENS: A 3D Lifting-based Elevated Novel-view Synthesis method for Single-View Aerial-Ground Re-Identification},
author = {William Grolleau and Astrid Sabourin and Guillaume Lapouge and Catherine Achard},
journal= {arXiv preprint arXiv:2604.26520},
year = {2026}
}