BevSplat：基于特征的高斯原始变量解决高度歧义的弱监督跨视图定位
计算机视觉与模式识别
2025-12-25 v4
摘要
本文解决弱监督跨视图定位的问题，即估计相对于卫星图像的地面相机姿态，同时考虑标签噪声。将跨视图领域差距用于姿态估计的常见方法是鸟瞰视角（BEV）合成。然而，现有方法在缺乏地面图像和卫星高度图深度信息的情况下，难以解决高度歧义问题。以往解决方案要么假设平坦的地面平面，要么依赖交叉视图转换器等复杂模型。我们提出BevSplat方法，通过基于特征的高斯原始变量解决高度歧义问题。将地面图像中的每个像素表示为具有语义和空间特征的3D高斯，并合成为BEV特征图用于相对姿态估计。此外，为解决全景查询图像的挑战，我们引入基于icosphere的监督策略用于高斯原始变量。我们在广泛使用的KITTI和VIGOR数据集上对方法进行验证，两者都包括针孔和全景查询图像。实验结果表明，BevSplat在定位精度上显著优于先前方法。
引用
@article{arxiv.2502.09080,
title = {BevSplat: Resolving Height Ambiguity via Feature-Based Gaussian Primitives for Weakly-Supervised Cross-View Localization},
author = {Qiwei Wang and Shaoxun Wu and Yujiao Shi},
journal= {arXiv preprint arXiv:2502.09080},
year = {2025}
}