UniABG：用于无监督跨视图地理定位的统一对抗视图桥接与图匹配
计算机视觉与模式识别
2025-11-18 v1
摘要
跨视图地理定位（CVGL）将查询图像（如无人机图像）匹配到与之对应的地理位置相反视图图像（如卫星图像）。虽然监督方法取得了显著性能，但其对大量成对标注的依赖限制了可扩展性。无监督替代方案避免了标注成本，但因跨视图领域差距导致伪标签噪声。为此，我们提出一种新型双阶段无监督跨视图地理定位框架 UniABG，集成对抗视图桥接与图基匹配校准。我们的框架首先采用基于视图的对抗桥接（VAAB）建模视角不变特征，增强伪标签鲁棒性。随后，采用异构图过滤校准（HGFC）构建双视图结构图，对跨视图关联进行细化，实现可靠的视图对应。广泛实验表明，UniABG 实现了无监督情景下的 SOTA 性能，表明在 University-1652 数据集上 Satellite → Drone AP 提升 +10.63%，在 SUES-200 数据集上提升 +16.73%，甚至超过监督基线。该项目的源代码已公开于 https://github.com/chenqi142/UniABG
引用
@article{arxiv.2511.12054,
title = {UniABG: Unified Adversarial View Bridging and Graph Correspondence for Unsupervised Cross-View Geo-Localization},
author = {Cuiqun Chen and Qi Chen and Bin Yang and Xingyi Zhang},
journal= {arXiv preprint arXiv:2511.12054},
year = {2025}
}
备注
Accepted as Oral Presentation at AAAI 2026. 10 pages, 9 figures