GeoFlow：基于迭代流预测的实时精细跨视图地理定位
计算机视觉与模式识别
2026-03-24 v1
摘要
准确且快速的定位对于 GPS 被剥夺的区域中的安全自主导航至关重要。细粒度跨视图地理定位（FG-CVG）旨在估计地面图像相对于卫星图像的精确二维自由度（2-DoF）位置。然而，当前方法面临准确性与速度之间的困难权衡，高精度模型难以用于实时使用。本文引入 GeoFlow，一种提供轻量且高度有效框架的新方法，打破了这种准确性-速度权衡。我们的技术学习一个直接的概率映射，预测需要纠正给定位置假设的位移（距离和方向）。这辅以我们新颖的推理算法——迭代细化抽样（IRS）。与单一预测不同，IRS 对一组假设进行细化，使其从随机起始点迭代地“流动”到稳健的共识。即便具有迭代性质，该方法还提供灵活的推理时间扩展，允许在性能和计算之间直接权衡，而无需重新训练。在 KITTI 和 VIGOR 数据集上的实验表明，GeoFlow 实现了最先进的效率，以 29 FPS 的实时速度维持竞争的定位精度。这为实际实时地理定位系统的开发指明了新路径。
引用
@article{arxiv.2603.21943,
title = {GeoFlow: Real-Time Fine-Grained Cross-View Geolocalization via Iterative Flow Prediction},
author = {Ayesh Abu Lehyeh and Xiaohan Zhang and Ahmad Arrabi and Waqas Sultani and Chen Chen and Safwan Wshah},
journal= {arXiv preprint arXiv:2603.21943},
year = {2026}
}
备注
Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)