提高视觉地点识别中地理距离灵敏度的技术
计算机视觉与模式识别
2024-07-03 v1
摘要
视觉地点识别（VPR）在许多定位和地图构建管道中发挥着关键作用。它涉及从带有地理标签的参考数据库中检索与查询图像在特定嵌入空间中最接近的样本。图像嵌入被学习以有效描述一个地方，尽管在视觉外观、视点和几何变化方面存在差异。本文我们提出了一种新方法，通过从视觉相似图像的图中抽取 clique 来挑选正负样本，克服当前VPR嵌入在地理距离灵敏度方面的局限，这些局限导致对错误排序顶部k检索结果的高概率，从而严重影响召回率。我们的approach显著提高了VPR嵌入在小距离范围内的灵敏度，在相关基准测试中取得了最新的状态。特别是，我们在MSLS挑战中将召回率@1从75%提高到82%，在Nordland将其从76%提高到90%。模型和代码均可在https://github.com/serizba/cliquemining获取。
引用
@article{arxiv.2407.02422,
title = {Close, But Not There: Boosting Geographic Distance Sensitivity in Visual Place Recognition},
author = {Sergio Izquierdo and Javier Civera},
journal= {arXiv preprint arXiv:2407.02422},
year = {2024}
}