HypeVPR：探索超bolic空间进行视角到等距矩形的视觉地点识别
计算机视觉与模式识别
2026-03-06 v3
摘要
视觉环境本质上具有层次结构，因为全景视图自然包含并组织多个视角视图。抓住这种层次结构对于有效的视角到等距矩形（P2E）视觉地点识别至关重要。本文引入HypeVPR，一个针对P2E匹配挑战的层次化嵌入框架，专门设计用于此目的。HypeVPR利用超bolic空间固有的层次结构表示能力，使全景描述符能够编码广泛的上下文信息和细粒度的局部细节。为此，我们提出了一种层次化特征聚合机制，将局部到全局特征表示组织在超bolic空间中。此外，HypeVPR的层次化组织自然实现对准确性与效率权衡的灵活控制，而无需额外训练，同时保持跨不同图像类型的稳健匹配。该方法使HypeVPR能够实现竞争性能，同时显著加速检索并减少数据库存储需求。项目页面：https://suhan-woo.github.io/HypeVPR/
引用
@article{arxiv.2506.04764,
title = {HypeVPR: Exploring Hyperbolic Space for Perspective to Equirectangular Visual Place Recognition},
author = {Suhan Woo and Seongwon Lee and Jinwoo Jang and Euntai Kim},
journal= {arXiv preprint arXiv:2506.04764},
year = {2026}
}
备注
CVPR 2026