:: 3 долл. США на Гео -- Структурно-семантическое синергическое обучение для межвидовой геолокализации

arXiv: 2610.11608v1 Аннонс Тип: новое резюме: Cross-view Geoлокализация (CVGL) имеет целью оценить географическое расположение путем сопоставления изображений, полученных с различных точек зрения, таких как беспилотные летательные аппараты и спутниковый обзор. Существующие методы в основном основаны на визуальном отображении, но зачастую не позволяют совместно моделировать тонкозернистые структурные корреспонденции и семантичные приводы, что делает их склонными к путанице между видимыми похожими, но семантически различными регионами и тем самым ограничивает надежность при значительных колебаниях точки зрения. Для решения этих задач мы предлагаем intextbf {S$3$Geo} — систему структурно-семантического синергетического обучения для перекрестного просмотра. В частности, мы сначала введем разделенный модуль поиска (DQP) для извлечения компактного набора региональных функций из плотных жетонов, что позволит четко моделировать местные структурные структуры. Затем мы разрабатываем систему контрастного обучения на уровне запросов с оптимальной формулой на основе переноса (ОТ) для установления мягкой переписки под перекрестным знаком