基于神经度量学习与特征融合的混合跨设备定位
计算机视觉与模式识别
2026-02-02 v1
摘要
我们为 CroCoDL 2025 挑战开发了一个集成神经度量学习和特征融合的混合跨设备定位管线。我们的方案整合了共享检索编码器和两个互补的定位分支：一个基于特征融合和 PnP 的经典几何分支，另一个以几何输入为条件的神经前馈分支（MapAnything）进行度量定位。神经引导的候选人剪枝策略进一步基于平移一致性过滤不可靠的地图帧，而深度条件定位在 Spot 场景中细化度量尺度和平移精度。这些组件共同导致在 HYDRO 和 SUCCU 两个基准测试中召回率和准确率显著提升。我们的方法在挑战期间实现了最终得分 92.62（[email protected], 5{\deg}）。
引用
@article{arxiv.2601.22551,
title = {Hybrid Cross-Device Localization via Neural Metric Learning and Feature Fusion},
author = {Meixia Lin and Mingkai Liu and Shuxue Peng and Dikai Fan and Shengyu Gu and Xianliang Huang and Haoyang Ye and Xiao Liu},
journal= {arXiv preprint arXiv:2601.22551},
year = {2026}
}
备注
3 pages