GeoSURGE：基于地理嵌入层次结构的语义融合地理局部化
计算机视觉与模式识别
2026-03-30 v2 人工智能
摘要
全球视觉地理局部化旨在仅凭其视觉内容确定图像在地球任何位置的地理位置。 尽管近期进展取得了显著成果，但仍然具有挑战的是从视觉表示中学习地理空间的富表达式性，这是由于地理坐标本身具有固有的低维性质。 我们将全局地理局部化建模为将查询图像的视觉表示与学习到的地理表示对齐。 我们的方法显式地将世界建模为学习到的地理嵌入的层次结构，使其能够实现对地理空间的分布式和多尺度表示。 此外，我们引入了语义融合模块，通过潜在交叉注意力整合外观特征与语义分割，产生更稳健的局部化视觉表示。 在五个广泛使用的地理局部化基准测试上进行的实验表明，我们的方法在 25 个报告的指标中实现了 22 项新的状态最佳成绩。 消融研究表明，这些改进主要由提出的地理表示和语义融合机制驱动。
引用
@article{arxiv.2510.01448,
title = {GeoSURGE: Geo-localization using Semantic Fusion with Hierarchy of Geographic Embeddings},
author = {Angel Daruna and Nicholas Meegan and Han-Pang Chiu and Supun Samarasekera and Rakesh Kumar},
journal= {arXiv preprint arXiv:2510.01448},
year = {2026}
}
备注
Accepted to CVPR 2026 main track