LoD-Loc v3: 使用 instance silhouette alignment 实现密集城市中的通用航空定位

我们提出 LoD-Loc v3，一种用于密集城市环境下通用航空视觉定位的新方法。虽然 prior work LoD-Loc v2 通过 semantic building silhouette alignment 基于 low-detail city model 实现定位，但它存在两个关键局限：跨场景泛化性差以及在密集建筑场景中经常失败。我们的 метод通过两个关键创新来解决这些挑战：首先，我们开发了新的 synthetic data generation pipeline，产生 InsLoD-Loc——目前为止最大的航空影像 instance segmentation 数据集，包含 100k 张图像，具有 precise instance building 注释。这使得训练好的模型展现出惊人的 zero-shot 泛化能力。其次，我们将 localization paradigm 从 semantic 转为 instance silhouette alignment，显著减少了 dense 场景中的姿态估计歧义。广泛实验表明，LoD-Loc v3 在跨场景和密集城市情景中均优于现有 state-of-the-art (SOTA) baseline，取得显著优势。该项目已公开。