循环跨视角目标地理定位
计算机视觉与模式识别
2025-09-17 v1
摘要
跨视角目标地理定位（CVOGL）旨在给定带点提示的查询图像的情况下，确定高分辨率卫星图像中特定目标的位置。现有方法将 CVOGL 视为单次检测任务，直接从跨视角信息聚合中回归目标位置，但它们容易受到特征噪声的影响且缺乏误差校正机制。在本文中，我们提出了 ReCOT，一种循环跨视角目标地理定位 Transformer，将 CVOGL 重新表述为循环定位任务。ReCOT 引入了一组可学习 token，这些 token 编码了来自查询图像和提示嵌入的特定任务意图，并迭代地关注参考特征以细化预测位置。为了增强这一循环过程，我们引入了两个互补模块：(1) 基于 SAM 的知识蒸馏策略，该策略从 Segment Anything Model (SAM) 迁移分割先验，在不增加额外推理成本的情况下提供更清晰的语义指导；(2) 参考特征增强模块（RFEM），该模块引入分层注意力以强调参考特征中与目标相关的区域。在标准 CVOGL 基准上的大量实验表明，ReCOT 实现了最先进（SOTA）的性能，同时与以前的 SOTA 方法相比减少了 60% 的参数。
关键词
引用
@article{arxiv.2509.12757,
title = {Recurrent Cross-View Object Geo-Localization},
author = {Xiaohan Zhang and Si-Yuan Cao and Xiaokai Bai and Yiming Li and Zhangkai Shen and Zhe Wu and Xiaoxi Hu and Hui-liang Shen},
journal= {arXiv preprint arXiv:2509.12757},
year = {2025}
}