CV-Cities: 글로벌 도시에서의 시점 간 지오위치 확인 기술 발전

다중 시점 지오위치 결정(Cross-View Geo-Localization, CVGL)은 위성 이미지를 매칭하여 지상 이미지의 지리적 위치를 결정하는 기술로, GNSS 제약 상황에서 매우 중요합니다. 그러나 이 작업은 시점 차이, 위치 결정 시나리오의 복잡성, 그리고 전역적인 위치 결정의 필요성으로 인해 큰 도전에 직면해 있습니다. 이러한 문제를 해결하기 위해, 우리는 비전 기초 모델 DINOv2와 고급 특징 혼합기(feature mixer)를 통합한 새로운 CVGL 프레임워크를 제안합니다. 우리의 프레임워크는 대칭 InfoNCE 손실(symmetric InfoNCE loss)을 도입하고 근접 이웃 샘플링(near-neighbor sampling) 및 동적 유사도 샘플링(dynamic similarity sampling) 전략을 포함하여 위치 결정 정확도를 크게 향상시킵니다. 실험 결과는 우리의 프레임워크가 여러 공개 데이터셋과 자체 구축 데이터셋에서 기존 방법들을 능가함을 보여줍니다. 전 세계적인 성능을 더욱 개선하기 위해, 우리는 전역 CVGL을 위한 새로운 데이터셋인 CV-Cities를 개발했습니다. CV-Cities는 여섯 대륙에 걸친 열여섯 개 도시에서 수집된 223,736개의 지상-위성 이미지 쌍과 지리 위치 데이터를 포함하며, 다양한 복잡한 시나리오를 포괄하여 CVGL에 대한 어려운 벤치마크를 제공합니다. CV-Cities로 훈련된 프레임워크는 다양한 테스트 도시에서 높은 위치 결정 정확도를 보여주어, 강력한 글로벌화 및 일반화 능력을 입증하였습니다. 우리의 데이터셋과 코드는 https://github.com/GaoShuang98/CVCities에서 확인할 수 있습니다.