蒸馏提升低质量图像的视觉位置识别性能
计算机视觉与模式识别
2025-04-07 v3
摘要
实时视觉定位通常利用在线计算，将查询图像或视频传输到远程服务器进行视觉位置识别（Visual Place Recognition, VPR）。然而，有限的网络带宽需要降低图像质量，从而导致全局图像描述子退化，降低 VPR 精度。我们在描述子提取层面通过知识蒸馏方法解决此问题，该方法从高质量图像中学习特征表示，以从低质量图像中提取更具判别力的描述子。我们的方法包括通道间相关性知识蒸馏（Inter-channel Correlation Knowledge Distillation, ICKD）损失、均方误差（Mean Squared Error, MSE）损失和三元组（Triplet）损失。我们在经受 JPEG 压缩、分辨率降低和视频量化的多种 VPR 方法和数据集上验证了所提出的损失。在所有三种测试的低图像质量模态下，我们获得了 VPR 召回率的显著提升。此外，我们填补了 VPR 文献中关于基于视频的数据及其对 VPR 性能影响的空白。本工作有助于在资源受限环境中实现更可靠的位置识别。
引用
@article{arxiv.2310.06906,
title = {Distillation Improves Visual Place Recognition for Low Quality Images},
author = {Anbang Yang and Ge Jin and Junjie Huang and Yao Wang and John-Ross Rizzo and Chen Feng},
journal= {arXiv preprint arXiv:2310.06906},
year = {2025}
}