GAMa：跨视角视频地理定位
计算机视觉与模式识别
2022-07-07 v1 机器学习
摘要
现有跨视角地理定位工作基于图像，将地面全景图与航拍图像进行匹配。本文中，我们关注地面视频而非图像，其提供了对该任务至关重要的额外上下文线索。目前尚无针对此问题的数据集，因此我们提出 GAMa 数据集，一个包含地面视频及对应航拍图像的大规模数据集。我们还提出了一种解决该问题的新方法。在片段级别，将短视频片段与对应航拍图像匹配，随后用于获取长视频的视频级地理定位。此外，我们提出一种分层方法以进一步提升片段级地理定位性能。该数据集具有挑战性，存在未对齐和有限视场的问题，我们提出的方法在 1.0 英里内分别取得了 19.4% 的 Top-1 召回率和 45.1% 的 Top-1 召回率。代码与数据集可通过以下链接获取：https://github.com/svyas23/GAMa。
引用
@article{arxiv.2207.02431,
title = {GAMa: Cross-view Video Geo-localization},
author = {Shruti Vyas and Chen Chen and Mubarak Shah},
journal= {arXiv preprint arXiv:2207.02431},
year = {2022}
}