基于渐进式对抗学习的视角分布对齐用于无人机视觉地理定位

无人机视觉地理定位旨在匹配从不同视角（即无人机视角和卫星视角）捕获的同一地理目标的图像。由于无人机-卫星图像对之间存在巨大的外观差异，这非常具有挑战性。以往的工作将无人机和卫星捕获的图像映射到共享特征空间，并采用分类框架学习位置相关特征，而忽略了无人机视角和卫星视角之间的整体分布偏移。在本文中，我们通过引入两个视角的分布对齐来缩短它们在公共空间中的距离，从而解决这些局限性。具体来说，我们提出了一种端到端网络，称为PVDA（渐进式视角分布对齐）。在训练过程中，特征编码器、位置分类器和视角判别器通过一种新颖的渐进式对抗学习策略进行联合优化。特征编码器和视角判别器之间的竞争促使两者都变得更强。结果表明，对抗学习逐渐被强调，直到无人机视角图像与卫星视角图像无法区分。因此，所提出的PVDA在学习位置相关且视角不变的特征方面变得强大，并且对新位置的未见图像具有良好的可扩展性。与最先进的方法相比，所提出的PVDA需要更少的推理时间，但在University-1652数据集上取得了优越的性能。