LocDiff：在 Hilbert 空间中扩散以识别地球位置
计算机视觉与模式识别
2025-11-04 v2 人工智能
摘要
图像地理位置定位是旨在推断图像拍摄地点的基本且具有挑战性的任务。当前最先进的方法要么采用基于网格的分类，要么采用基于画廊的图像-位置检索，其空间可塑性显著受限于测试图像空间分布是否与网格和画廊的选择一致。最近出现的生成方法虽然摆脱了网格和画廊，却使用原始地理坐标并因缺乏多尺度信息而产生质量损失。为此，我们提出了一种称为 LocDiff 的多尺度潜空间扩散模型用于图像地理位置定位。我们开发了一种新颖的positional encoding-decoding 框架，称为 Spherical Harmonics Dirac Delta（SHDD）表示法，将球面上的点（如地球上的地理位置）编码为 Spherical Harmonics 系数的 Hilbert 空间，并通过在球面概率分布上的 mode-seeking 来解码点（地理位置）。我们还提出了一种基于 SirenNet 的 novel architecture（CS-UNet），用于通过最小化潜空间 KL 散度损失来学习图像条件的反向过程。据我们所知，LocDiff 是已知最初在多尺度位置编码空间中进行潜空间扩散的图像地理位置定位模型，并且能够在图像引导下生成地理位置。实验结果表明，LocDiff 在 5 个具有挑战性的全球规模图像地理位置定位数据集上超越了所有基于网格、检索和扩散的基线方法，并在未见地理位置上 demonstrated 显著更强的可塑性。
引用
@article{arxiv.2503.18142,
title = {LocDiff: Identifying Locations on Earth by Diffusing in the Hilbert Space},
author = {Zhangyu Wang and Zeping Liu and Jielu Zhang and Zhongliang Zhou and Qian Cao and Nemin Wu and Lan Mu and Yang Song and Yiqun Xie and Ni Lao and Gengchen Mai},
journal= {arXiv preprint arXiv:2503.18142},
year = {2025}
}