通过全局-局部一致性与几何等变性增强跨视角地理定位泛化能力
计算机视觉与模式识别
2025-09-26 v1
摘要
跨视角地理定位（CVGL）旨在匹配从截然不同视角拍摄的同一地点的图像。尽管近期取得了进展，现有方法仍面临两个关键挑战：（1）在由不同无人机朝向和视场引起的严重外观变化下实现鲁棒性，这阻碍了跨域泛化；（2）建立能够同时捕捉全局场景级语义和细粒度局部细节的可靠对应关系。在本文中，我们提出了 EGS，一种旨在增强跨域泛化的新型 CVGL 框架。具体而言，我们引入了一个 E(2)-可转向 CNN 编码器，以在旋转和视角变化下提取稳定且可靠的特征。此外，我们构建了一个带有虚拟超级节点的图，该超级节点连接到所有局部节点，使全局语义能够被聚合并重新分配到局部区域，从而强制全局-局部一致性。在 University-1652 和 SUES-200 基准数据集上的大量实验表明，EGS 持续实现了显著的性能提升，并在跨域 CVGL 中建立了新的最先进水平。
引用
@article{arxiv.2509.20684,
title = {Enhancing Cross-View Geo-Localization Generalization via Global-Local Consistency and Geometric Equivariance},
author = {Xiaowei Wang and Di Wang and Ke Li and Yifeng Wang and Chengjian Wang and Libin Sun and Zhihong Wu and Yiming Zhang and Quan Wang},
journal= {arXiv preprint arXiv:2509.20684},
year = {2025}
}