Sample4Geo: Harte Negativbeispiele für die geo-basierte Lokalisierung in verschiedenen Ansichten

Die Geo-Lokalisierung über verschiedene Ansichten (Cross-View Geo-Localisation) ist immer noch eine herausfordernde Aufgabe, bei der zusätzliche Module, spezifische Vorverarbeitungsschritte oder Zoomstrategien erforderlich sind, um genaue Positionen von Bildern zu bestimmen. Da verschiedene Ansichten unterschiedliche Geometrien aufweisen, hilft Vorverarbeitung wie die polare Transformation dabei, sie zusammenzuführen. Dies führt jedoch zu verzerrten Bildern, die anschließend korrigiert werden müssen. Die Hinzufügung schwieriger negativer Beispiele (hard negatives) zur Trainingsbatch könnte die Gesamtleistung verbessern, aber mit den Standard-Fehlerfunktionen in der Geo-Lokalisierung ist es schwierig, diese einzubeziehen.In diesem Artikel stellen wir eine vereinfachte, aber effektive Architektur vor, die auf kontrastivem Lernen mit symmetrischer InfoNCE-Fehlerfunktion basiert und bessere Ergebnisse als der aktuelle Stand der Technik erzielt. Unser Framework besteht aus einer schmalen Trainingspipeline, die die Notwendigkeit von Aggregationsmodulen eliminiert, weitere Vorverarbeitungsschritte vermeidet und sogar die Generalisierungsfähigkeit des Modells für unbekannte Regionen erhöht. Wir führen zwei Arten von Abtaststrategien für schwierige negative Beispiele ein. Die erste nutzt geografisch benachbarte Orte explizit, um einen guten Ausgangspunkt zu bieten. Die zweite nutzt die visuelle Ähnlichkeit zwischen den Bild-Einbettungen (image embeddings), um schwierige negative Beispiele abzubauen.Unsere Arbeit zeigt ausgezeichnete Leistungen auf gängigen Cross-View-Datensätzen wie CVUSA, CVACT, University-1652 und VIGOR. Ein Vergleich zwischen Cross-Area- und Same-Area-Einstellungen demonstriert die gute Generalisierungsfähigkeit unseres Modells.