Fugu-MT 論文翻訳(概要): View Distribution Alignment with Progressive Adversarial Learning for UAV Visual Geo-Localization

論文の概要: View Distribution Alignment with Progressive Adversarial Learning for UAV Visual Geo-Localization

arxiv url: http://arxiv.org/abs/2401.01573v1
Date: Wed, 3 Jan 2024 06:58:09 GMT
ステータス: 処理完了
システム内更新日: 2024-01-04 14:59:00.555247
Title: View Distribution Alignment with Progressive Adversarial Learning for UAV Visual Geo-Localization
Title（参考訳）: UAVビジュアルジオローカライゼーションのためのプログレッシブ・ディバイザ・ラーニングを用いたビュー分布アライメント
Authors: Cuiwei Liu, Jiahao Liu, Huaijun Qiu, Zhaokui Li and Xiangbin Shi
Abstract要約: 無人航空機(UAV)の視覚的ジオローカライゼーションは、異なるビュー、すなわちUAVビューと衛星ビューから取得した同じ地理的ターゲットの画像とマッチングすることを目的としている。以前の作業では、UAVや衛星が撮影した画像を共有特徴空間にマッピングし、位置に依存した特徴を学習するための分類フレームワークを使用していた。本稿では,2つのビューの分布アライメントを導入し,共通空間における距離を短縮する。
参考スコア（独自算出の注目度）: 10.442998017077795
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Unmanned Aerial Vehicle (UAV) visual geo-localization aims to match images of the same geographic target captured from different views, i.e., the UAV view and the satellite view. It is very challenging due to the large appearance differences in UAV-satellite image pairs. Previous works map images captured by UAVs and satellites to a shared feature space and employ a classification framework to learn location-dependent features while neglecting the overall distribution shift between the UAV view and the satellite view. In this paper, we address these limitations by introducing distribution alignment of the two views to shorten their distance in a common space. Specifically, we propose an end-to-end network, called PVDA (Progressive View Distribution Alignment). During training, feature encoder, location classifier, and view discriminator are jointly optimized by a novel progressive adversarial learning strategy. Competition between feature encoder and view discriminator prompts both of them to be stronger. It turns out that the adversarial learning is progressively emphasized until UAV-view images are indistinguishable from satellite-view images. As a result, the proposed PVDA becomes powerful in learning location-dependent yet view-invariant features with good scalability towards unseen images of new locations. Compared to the state-of-the-art methods, the proposed PVDA requires less inference time but has achieved superior performance on the University-1652 dataset.
Abstract（参考訳）: 無人航空機(UAV)の視覚的ジオローカライゼーションは、異なるビュー、すなわちUAVビューと衛星ビューから取得した同じ地理的ターゲットの画像とマッチングすることを目的としている。 UAV-サテライト画像対の出現差が大きいため、非常に困難である。以前の作業では、UAVと衛星が撮影した画像を共有特徴空間にマッピングし、UAVビューと衛星ビューの全体的な分布シフトを無視しながら、位置依存の特徴を学習するための分類フレームワークを使用していた。本稿では,2つのビューの分布アライメントを導入して,共通空間における距離を短くすることで,これらの制約に対処する。具体的には,PVDA(Progressive View Distribution Alignment)と呼ばれるエンドツーエンドネットワークを提案する。トレーニング中、特徴エンコーダ、位置分類器、ビュー識別器は、新しいプログレッシブな対角学習戦略によって共同最適化される。特徴エンコーダとビュー識別器の競合により、両者はより強くなる。 uav-view画像が衛星画像と区別がつかないまで、adversarial learningは徐々に強調される。その結果、PVDAは位置に依存しないビュー不変な特徴を学習する上で強力となり、新しい位置の未確認画像に対するスケーラビリティが向上した。最先端の手法と比較して、提案したPVDAは推論時間が少ないが、University-1652データセットでは優れた性能を実現している。

関連論文リスト

Unsupervised Multi-view UAV Image Geo-localization via Iterative Rendering [31.716967688739036]
無人航空機 (UAV) クロスビュージオローカライゼーション (CVGL) は重要な課題である。既存の手法は、ビュー横断検索のための視点不変の特徴を抽出するためにラベル付きデータセットの監督に依存している。衛星画像生成のためのUAV観測から3次元空間にシーン表現を持ち上げる教師なしのソリューションを提案する。
論文参考訳（メタデータ） (2024-11-22T09:22:39Z)
Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
論文参考訳（メタデータ） (2024-09-25T13:33:28Z)
Style Alignment based Dynamic Observation Method for UAV-View Geo-localization [7.185123213523453]
UAVビューのジオローカライゼーションのためのスタイルアライメントに基づく動的観察法を提案する。具体的には、ドローンビュー画像の多様な視覚スタイルから衛星画像の統一的な視覚スタイルへ変換するスタイルアライメント戦略を導入する。動的観察モジュールは、人間の観察習慣を模倣して画像の空間分布を評価するように設計されている。
論文参考訳（メタデータ） (2024-07-03T06:19:42Z)
Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。提案手法では,データベース画像の重複点の評価に投票機構を用いる。
論文参考訳（メタデータ） (2024-06-23T20:00:20Z)
UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization [20.37586403749362]
大規模なUAV-VisLocデータセットを提示し、UAV視覚的ローカライゼーション作業を容易にする。われわれのデータセットには6,742枚のドローン画像と11個の衛星マップが含まれており、緯度、経度、高度、捕獲日などのメタデータがある。
論文参考訳（メタデータ） (2024-05-20T10:24:10Z)
CricaVPR: Cross-image Correlation-aware Representation Learning for Visual Place Recognition [73.51329037954866]
視覚的位置認識のための画像間相関認識を用いたロバストなグローバル表現手法を提案する。本手法では,バッチ内の複数の画像の相関にアテンション機構を用いる。本手法は,訓練時間を大幅に短縮し,最先端の手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2024-02-29T15:05:11Z)
Remote Sensing Vision-Language Foundation Models without Annotations via Ground Remote Alignment [61.769441954135246]
テキストアノテーションを使わずにリモートセンシング画像の視覚言語モデルを訓練する手法を提案する。私たちの重要な洞察は、リモートセンシング画像と言語を接続するための仲介手段として、地上で撮影されたコロケーションのインターネットイメージを使用することです。
論文参考訳（メタデータ） (2023-12-12T03:39:07Z)
Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文参考訳（メタデータ） (2023-12-07T18:59:14Z)
Orientation-Guided Contrastive Learning for UAV-View Geo-Localisation [0.0]
UAVビューのジオローカライゼーションのための指向性誘導型トレーニングフレームワークを提案する。我々は、この予測がトレーニングをサポートし、以前のアプローチより優れていることを実験的に実証した。我々は,University-1652とUniversity-160kの2つのデータセットについて,最先端の結果を得た。
論文参考訳（メタデータ） (2023-08-02T07:32:32Z)
Geography-Aware Self-Supervised Learning [79.4009241781968]
異なる特徴により、標準ベンチマークにおけるコントラスト学習と教師あり学習の間には、非自明なギャップが持続していることが示される。本稿では,リモートセンシングデータの空間的整合性を利用した新しいトレーニング手法を提案する。提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションにおけるコントラスト学習と教師あり学習のギャップを埋めるものである。
論文参考訳（メタデータ） (2020-11-19T17:29:13Z)
Where am I looking at? Joint Location and Orientation Estimation by Cross-View Matching [95.64702426906466]
ジオタグ付き空中画像の大規模データベースを考えると、クロスビューなジオローカライゼーションは問題となる。地上画像と空中画像の向きを知ることは、これらの2つのビュー間のあいまいさを著しく軽減することができる。局所化時の横方向のアライメントを推定する動的類似マッチングネットワークを設計する。
論文参考訳（メタデータ） (2020-05-08T05:21:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。