超越配对数据：仅基于参考图像的无人机自监督地理定位
计算机视觉与模式识别
2025-12-03 v1 机器学习
摘要
基于 GNSS 不可用环境的图像式定位是无人机自主性的关键。现有最先进方法依赖于将无人机图像匹配到地理参照卫星图像，但通常需要大规模的配对无人机-卫星数据集进行训练。此类数据获取成本高昂且常常不可得，限制了其适用性。为此，我们采用一种训练范式，在训练时无需无人机图像，仅从卫星视角参考图像直接学习。通过一种专门的增强策略模拟卫星视角与真实无人机视角之间的视觉域移。我们引入 CAEVL，一个高效模型，旨在利用此范式进行训练。我们在 ViLD 上进行验证，该数据集为我们公开的全新且具挑战性的真实无人机图像数据集。我们的方法在与使用配对数据训练的方法相当的性能，表明其有效性和强大的泛化能力。
引用
@article{arxiv.2512.02737,
title = {Beyond Paired Data: Self-Supervised UAV Geo-Localization from Reference Imagery Alone},
author = {Tristan Amadei and Enric Meinhardt-Llopis and Benedicte Bascle and Corentin Abgrall and Gabriele Facciolo},
journal= {arXiv preprint arXiv:2512.02737},
year = {2025}
}
备注
Accepted at WACV 2026