論文の概要: Cross-view geo-localization: a survey
- arxiv url: http://arxiv.org/abs/2406.09722v1
- Date: Fri, 14 Jun 2024 05:14:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-17 15:03:43.262285
- Title: Cross-view geo-localization: a survey
- Title（参考訳）: クロスビュー・ジオローカライゼーション:サーベイ
- Authors: Abhilash Durgam, Sidike Paheding, Vikas Dhiman, Vijay Devabhaktuni,
- Abstract要約: クロスビューなジオローカライゼーションは、コンピュータビジョンの領域で注目を浴びている。
本稿では,この領域に不可欠な最先端の方法論,技法,および関連する課題について,徹底的な調査を行う。
- 参考スコア（独自算出の注目度）: 1.3686993145787065
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cross-view geo-localization has garnered notable attention in the realm of computer vision, spurred by the widespread availability of copious geotagged datasets and the advancements in machine learning techniques. This paper provides a thorough survey of cutting-edge methodologies, techniques, and associated challenges that are integral to this domain, with a focus on feature-based and deep learning strategies. Feature-based methods capitalize on unique features to establish correspondences across disparate viewpoints, whereas deep learning-based methodologies deploy convolutional neural networks to embed view-invariant attributes. This work also delineates the multifaceted challenges encountered in cross-view geo-localization, such as variations in viewpoints and illumination, the occurrence of occlusions, and it elucidates innovative solutions that have been formulated to tackle these issues. Furthermore, we delineate benchmark datasets and relevant evaluation metrics, and also perform a comparative analysis of state-of-the-art techniques. Finally, we conclude the paper with a discussion on prospective avenues for future research and the burgeoning applications of cross-view geo-localization in an intricately interconnected global landscape.
- Abstract（参考訳）: クロスビューなジオローカライゼーションはコンピュータビジョンの領域で注目され、協調的なジオタグ付きデータセットの普及と機械学習技術の進歩によって引き起こされた。
本稿では,この領域に不可欠な最先端の方法論,テクニック,関連する課題について,機能ベースおよびディープラーニング戦略に焦点をあてて,徹底的な調査を行う。
特徴に基づく手法は、異なる視点で対応を確立するためにユニークな特徴を生かし、深層学習に基づく手法は、畳み込みニューラルネットワークを配置し、ビュー不変属性を埋め込む。
この研究は、視点や照明のバリエーション、オクルージョンの発生、これらの問題に対処するために定式化された革新的な解決策の解明など、クロスビューなジオローカライゼーションで直面する多面的課題についても説明している。
さらに、ベンチマークデータセットと関連する評価指標を抽出し、最先端技術の比較分析を行う。
最後に,今後の研究の道筋と,複雑に相互接続されたグローバルな景観におけるクロスビューなジオローカライゼーションの飛躍的な応用について論じて,本論文を締めくくくった。
関連論文リスト
- Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Local Feature Matching Using Deep Learning: A Survey [19.322545965903608]
局所的な特徴マッチングは、画像検索、3D再構成、オブジェクト認識といった領域を含むコンピュータビジョンの領域において幅広い応用を享受する。
近年,深層学習モデルの導入により,局所的特徴マッチング手法の探究が盛んに行われている。
また,移動構造,リモートセンシング画像登録,医用画像登録などの多様な領域における局所的特徴マッチングの実践的応用についても検討した。
論文 参考訳（メタデータ） (2024-01-31T04:32:41Z) - CurriculumLoc: Enhancing Cross-Domain Geolocalization through
Multi-Stage Refinement [11.108860387261508]
ビジュアルジオローカライゼーションはコスト効率が高くスケーラブルなタスクであり、未知の場所で撮影された1つ以上のクエリイメージとジオタグ付き参照イメージのセットをマッチングする。
我々は,グローバルな意味認識と局所的幾何学的検証を備えたキーポイント検出と記述法であるCurriculumLocを開発した。
我々は、ALTOで62.6%と94.5%の新しいハイリコール@1スコアをそれぞれ2つの異なる距離で達成した。
論文 参考訳（メタデータ） (2023-11-20T08:40:01Z) - Deep Learning for Visual Localization and Mapping: A Survey [45.20992113099714]
本稿では,総合的な調査を行い,深層学習を用いた局所化とマッピング手法の分類法を提案する。
この調査は、深層学習がローカライズとマッピングに有望であるかどうか、この問題を解決するために深層学習をどのように適用すべきかという2つの基本的な問題について議論することを目的としている。
論文 参考訳（メタデータ） (2023-08-27T08:25:00Z) - Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。
提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。
領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
論文 参考訳（メタデータ） (2022-02-09T18:56:41Z) - A Review of Landcover Classification with Very-High Resolution Remotely
Sensed Optical Images-Analysis Unit,Model Scalability and Transferability [4.704131850850489]
ランドカバー分類は、超高解像度(VHR)画像解析において最も難しい課題の1つである。
ディープラーニング(DL)に基づく土地被覆手法とトレーニング戦略の急速な増加が最先端であると主張されているため、既に断片化された土地被覆マッピング手法の技術的景観はさらに複雑である。
論文 参考訳（メタデータ） (2022-02-07T16:38:40Z) - Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。
本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。
この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
論文 参考訳（メタデータ） (2021-04-16T06:44:50Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳（メタデータ） (2021-01-03T02:32:45Z) - A Survey of Embedding Space Alignment Methods for Language and Knowledge
Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。
本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文 参考訳（メタデータ） (2020-10-26T16:08:13Z) - A Survey on Deep Learning for Localization and Mapping: Towards the Age
of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。
オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。
この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文 参考訳（メタデータ） (2020-06-22T19:01:21Z)
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。