AstroLoc：鲁棒的太空到地面图像定位器

天书员每天会从国际空间站拍摄数千张地球照片，一旦定位到地球表面，这些照片就用于气候变化研究、灾害管理等众多任务。该定位过程长期以来一直是手动进行的，最近通过图像检索方法得以解决：给定一张天书员照片，在大型带地理信息的卫星图像数据库中找到其最相似的匹配，这一任务称为天书员摄影定位（Astronaut Photography Localization, APL）。然而，现有的APL方法仅使用卫星图像进行训练，未能充分利用数百万篇开源天书员照片。本文提出首个能够利用天书员照片进行训练的APL管道。我们首先通过自动化管道为30万张手动弱标记的天书员照片生成完整的定位信息，然后使用这些图像训练一个模型，称为AstroLoc。AstroLoc通过两个损失函数学习地球表面特征的鲁棒表示：一个是天书员照片与其匹配的卫星图像之间的成对损失，另一个是基于无监督挖掘的卫星图像聚类损失，这些聚类的权重与天书员摄影的相关性成正比。我们发现AstroLoc在recall@1上实现了约35%的平均提升，持续将recall@100推至99%以上。最后我们指出，AstroLoc无需任何微调，即可为相关任务（如失落空间卫星问题和历史空间图像定位）提供优异结果。