迈向可解释的地理定位：概念感知的全球图像-GPS对齐框架

全球地理定位旨在确定在全球范围内拍摄的图像的精确地理位置，通常由气候、地标和建筑风格等地理线索引导。尽管像GeoCLIP这样的地理定位模型通过对比学习利用图像与位置对齐进行准确预测取得了进展，但这些模型的可解释性仍未得到充分探索。当前基于概念的可解释性方法无法与地理对齐的图像-位置嵌入目标有效对齐，导致可解释性和性能次优。为了弥补这一空白，我们提出了一个将全球地理定位与概念瓶颈相集成的新颖框架。我们的方法插入了一个概念感知对齐模块，该模块将图像和位置嵌入共同投影到共享的地理概念库（例如热带气候、山脉、大教堂）上，并最小化概念级损失，从而在特定概念子空间中增强对齐并实现稳健的可解释性。据我们所知，这是首次将可解释性引入地理定位的工作。大量实验表明，我们的方法在地理定位准确性上超越了GeoCLIP，并在各种地理空间预测任务中提升了性能，揭示了对地理决策过程更丰富的语义洞察。