InfoGeo：面向跨视图通用无人机地理定位的信息论对象中心学习
计算机视觉与模式识别
2026-05-29 v4
摘要
跨视图地理定位（CVGL）是GPS被抑制环境下精确定位与导航的基本问题，旨在匹配地面或无人机图像与卫星视图。现有方法常依赖全局特征对齐，但因区域纹理和天气条件的差异导致显著的域迁移。在无人机场景下，更宽广的视角不可避免地引入稠密、细粒度对象，造成显著的视觉杂质。为此，我们借鉴对象中心学习（OCL）的思想，提出InfoGeo框架，通过信息论方法提升鲁棒性和泛化能力。InfoGeo将优化问题重新表述为信息瓶颈过程，包含两个核心目标：（i）通过跨视图对齐对象中心结构关系来最大化视角不变信息，（ii）通过跨视图知识约束来最小化视角特定的噪声信号。广泛的基准测试和具有挑战性的场景评估表明，InfoGeo显著优于当前最先进的方法。
引用
@article{arxiv.2605.07099,
title = {InfoGeo: Information-Theoretic Object-Centric Learning for Cross-View Generalizable UAV Geo-Localization},
author = {Hongyang Zhang and Maonnan Wang and Ziyao Wang and Hongrui Yin and Man On Pun},
journal= {arXiv preprint arXiv:2605.07099},
year = {2026}
}