将图像地理定位扩展至大洲尺度
计算机视觉与模式识别
2025-10-31 v1 机器学习
摘要
确定图像在全球尺度上的精确地理位置仍是未解之谜。标准图像检索技术因图像数量庞大（>10000 万）而效率低下，且在覆盖不足时会失效。可扩展解决方案往往面临权衡：全局分类通常产生粗糙结果（10 公里以上），而地面图像与航空图像之间的跨视图检索则因领域差距而受限，主要在小区域内得到研究。本文引入一种混合方法，实现了跨大区域（相当于一大块大陆）的细粒度地理定位。我们在训练期间利用代理分类任务学习丰富的特征表示，这些表示在隐式地编码了精确位置信息。我们将这些学习到的原型与航空图像嵌入相结合，以提高对地面数据稀缺性的鲁棒性。这使得能够直接在跨越多个国家的区域上进行细粒度检索。我们的广泛评估表明，该方法在覆盖欧洲大部分地区的数据集上，超过 68% 的查询可在 200 米内定位。代码已公开于 https://scaling-geoloc.github.io。
引用
@article{arxiv.2510.26795,
title = {Scaling Image Geo-Localization to Continent Level},
author = {Philipp Lindenberger and Paul-Edouard Sarlin and Jan Hosang and Matteo Balice and Marc Pollefeys and Simon Lynen and Eduard Trulls},
journal= {arXiv preprint arXiv:2510.26795},
year = {2025}
}
备注
NeurIPS 2025