DualGeo：面向全球图像地理定位的双视图框架
计算机视觉与模式识别
2026-04-29 v1
摘要
全球图像地理定位旨在推断在地球上任何地方拍摄的图像的地理位置，涵盖街道、城市、区域、国家和大陆尺度。现有方法依赖于对环境变化（如光照、季节和天气）敏感的视觉特征，且缺乏有效的后处理来过滤异常候选者，从而限制了定位精度。为解决这些局限性，我们提出了DualGeo，一个用于全球图像地理定位的两阶段框架。首先，它通过双向交叉注意力融合图像和语义分割特征，建立地理表示基础。然后，融合后的特征通过双视图对比学习与GPS坐标对齐，以构建全局检索数据库。其次，它通过使用地理聚类对检索到的候选者进行重排序，执行地理认知优化。然后将其输入大型多模态模型（LMM）以进行最终的坐标预测。在IM2GPS、IM2GPS3k和YFCC4k上的实验表明，DualGeo优于最先进的方法，将街道级（<1 km）和城市级（<25 km）的定位精度分别提高了3.6%-16.58%和1.29%-8.77%。我们的代码和数据集可在以下网址获取：https://github.com/CJ310177/DualGeo。
引用
@article{arxiv.2604.25533,
title = {DualGeo: A Dual-View Framework for Worldwide Image Geo-localization},
author = {Junchao Cui and Wenqi Shi and Shaoyong Du and Hang He and Xuanzi Ma and Hao Tang and Xiangyang Luo},
journal= {arXiv preprint arXiv:2604.25533},
year = {2026}
}
备注
ICME2026 Accept