适应无精细真值区域的细粒度跨视角定位

给定一张地面级查询图像和一张覆盖查询局部区域的地理参考航拍图像，细粒度跨视角定位旨在估计地面相机在航拍图像中的位置。近期工作集中于开发使用地面图像精确真值位置训练的高级网络。然而，当将训练好的模型应用于与训练集不同的新目标区域图像时，其性能总会下降。在大多数部署场景中，为目标区域图像获取精细真值（即精确的真值位置）以重新训练网络可能成本高昂，有时甚至不可行。相比之下，收集带有数十米误差的含噪真值图像通常很容易。受此启发，本文专注于仅利用目标区域图像（无需精细真值）来提升预训练模型在新目标区域中的性能。我们提出了一种基于知识自蒸馏的弱监督学习方法。该方法使用预训练模型的预测作为伪真值来监督其自身的副本。我们的方法包括一种基于模式的伪真值生成方法，用于减少伪真值中的不确定性，以及一种离群值过滤方法，用于移除不可靠的伪真值。我们在两个基准上使用两个最新的先进模型验证了我们的方法。结果表明，该方法能够持续且显著地提升目标区域的定位精度。