摘要
跨视角地理定位（Cross-View Geo-Localisation）仍然是一个具有挑战性的任务，需要额外的模块、特定的预处理或缩放策略来确定图像的精确位置。由于不同视角具有不同的几何特征，预处理步骤如极坐标变换有助于将它们合并。然而，这会导致图像失真，随后需要进行校正。在训练批次中添加难负样本可以提高整体性能，但在地理定位中使用默认损失函数时很难实现这一点。本文提出了一种基于对比学习并采用对称InfoNCE损失的简化而有效的架构，其性能优于当前最先进的结果。我们的框架包含一个狭窄的训练管道，消除了使用聚合模块的需求，避免了进一步的预处理步骤，并且提高了模型对未知区域的泛化能力。我们引入了两种用于难负样本采样的策略。第一种策略明确利用地理位置相邻的位置来提供良好的起点；第二种策略则利用图像嵌入之间的视觉相似性来挖掘难负样本。我们的研究在常见的跨视角数据集（如CVUSA、CVACT、University-1652和VIGOR）上表现出色。跨区域和同区域设置之间的比较证明了我们模型的良好泛化能力。