(MGS)$^2$-Net：统一微几何尺度与宏几何结构用于跨视图地理定位
计算机视觉与模式识别
2026-03-09 v2 机器人学
摘要
跨视图地理定位 (CVGL) 是 GNSS 不可用无人机导航的关键技术，但在倾斜航空视图与正交卫星参考之间的几何错位严重削弱了其鲁棒性。现有方法主要在 2D 流形上操作，忽视了其中视图相关的垂直立面 (macro-structure) 和尺度变化 (micro-scale) 所导致的特征对齐严重受损的问题。为弥合这一差距，我们提出了 (MGS) 框架。我们的创新核心是 Macro-Geometric Structure Filtering (MGSF) 模块。不同于对噪声敏感的像素级匹配，MGSF 利用膨胀几何梯度物理性地过滤掉高频立面伪影，同时增强面向不变的水平平面，直接解决 domain shift。为保证该结构性过滤的鲁棒输入，我们显式地引入了基于深度先验的 Micro-Geometric Scale Adaptation (MGSA) 模块。MGSA 利用深度先验动态通过多分支特征融合来纠正尺度差异。此外，设计了几何-外观对比蒸馏 (GACD) loss，以严格区分倾斜遮挡。大量实验表明，(MGS) 实现了最先进的性能，在 University-1652 数据集上达到 Recall@1 97.5%，在 SUES-200 数据集上达到 97.02%。该框架在几何歧义下展现出优异的跨数据集泛化能力。代码已公开：https://github.com/GabrielLi1473/MGS-Net。
引用
@article{arxiv.2602.10704,
title = {(MGS)$^2$-Net: Unifying Micro-Geometric Scale and Macro-Geometric Structure for Cross-View Geo-Localization},
author = {Minglei Li and Mengfan He and Chunyu Li and Chao Chen and Xingyu Shao and Ziyang Meng},
journal= {arXiv preprint arXiv:2602.10704},
year = {2026}
}