NPR：街道场景下的夜间地点识别
计算机视觉与模式识别
2023-04-18 v2
摘要
视觉地点识别（VPR）是通过将查询照片与已知图像的大型数据库进行比较，从而检索与之相似的数据库图像的任务。在现实应用中，由夜间拍摄的查询图像引起的极端光照变化是 VPR 需要克服的重大障碍。然而，目前并不存在城市尺度、街道级 VPR 的昼夜对应训练集。为应对这一挑战，我们提出了一种将 VPR 分解并攻克夜间地点识别（NPR）的新流程。具体而言，我们首先建立了一个街道级昼夜数据集 NightStreet，并用其训练了一个非配对图像到图像翻译模型。随后，我们利用该模型处理现有大规模 VPR 数据集以生成 VPR-Night 数据集，并展示了如何将其与两种流行的 VPR 流程相结合。最后，我们提出了一种分而治之的 VPR 框架，并从理论、实验和应用层面给出了说明。在我们的框架下，以往方法在两个公开数据集上的性能得到显著提升，其中包括排名最高的方法。
引用
@article{arxiv.2304.00276,
title = {NPR: Nocturnal Place Recognition in Streets},
author = {Bingxi Liu and Yujie Fu and Feng Lu and Jinqiang Cui and Yihong Wu and Hong Zhang},
journal= {arXiv preprint arXiv:2304.00276},
year = {2023}
}
备注
10 pages, 6 figures