論文の概要: SkyLink: Unifying Street-Satellite Geo-Localization via UAV-Mediated 3D Scene Alignment

• arxiv url: http://arxiv.org/abs/2509.24783v1
• Date: Mon, 29 Sep 2025 13:43:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:20.014175
• Title: SkyLink: Unifying Street-Satellite Geo-Localization via UAV-Mediated 3D Scene Alignment
• Title（参考訳）: SkyLink:UAVを利用した3Dシーンアライメントによるストリートサテライトのジオローカライズ
• Authors: Hongyang Zhang, Yinhao Liu, Zhenyu Kuang,
• Abstract要約: クロスビュージオローカライゼーションは、異なる視点間の位置対応を確立することを目的としている。 既存のアプローチは通常、直接的特徴類似性マッチングを通じて、クロスビュー相関を学習する。 本稿では,この特異な問題に対処する新しいSkyLink法を提案する。
• 参考スコア（独自算出の注目度）: 8.886221192801381
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-view geo-localization aims at establishing location correspondences between different viewpoints. Existing approaches typically learn cross-view correlations through direct feature similarity matching, often overlooking semantic degradation caused by extreme viewpoint disparities. To address this unique problem, we focus on robust feature retrieval under viewpoint variation and propose the novel SkyLink method. We firstly utilize the Google Retrieval Enhancement Module to perform data enhancement on street images, which mitigates the occlusion of the key target due to restricted street viewpoints. The Patch-Aware Feature Aggregation module is further adopted to emphasize multiple local feature aggregations to ensure the consistent feature extraction across viewpoints. Meanwhile, we integrate the 3D scene information constructed from multi-scale UAV images as a bridge between street and satellite viewpoints, and perform feature alignment through self-supervised and cross-view contrastive learning. Experimental results demonstrate robustness and generalization across diverse urban scenarios, which achieve 25.75$\%$ Recall@1 accuracy on University-1652 in the UAVM2025 Challenge. Code will be released at https://github.com/HRT00/CVGL-3D.
• Abstract（参考訳）: クロスビュージオローカライゼーションは、異なる視点間の位置対応を確立することを目的としている。 既存のアプローチは、しばしば極端な視点の違いによって引き起こされる意味的な劣化を見越して、直接的特徴類似性マッチングを通じて、クロスビュー相関を学習する。 この特異な問題に対処するために、視点変化下でのロバストな特徴検索に着目し、新しいSkyLink法を提案する。 まず,Google Retrieval Enhancement Moduleを用いてストリート画像上のデータ拡張を行う。 Patch-Aware Feature Aggregationモジュールはさらに、複数のローカル機能アグリゲーションを強調して、視点を越えた一貫した機能抽出を保証するために採用されている。 一方、道路と衛星の視界の橋渡しとして、マルチスケールUAV画像から構築した3Dシーン情報を統合し、自己監督的・横断的コントラスト学習により特徴調整を行う。 UAVM2025チャレンジでは,大学1652で25.75$\%のリコール@1精度を達成した。 コードはhttps://github.com/HRT00/CVGL-3Dでリリースされる。

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)
• Towards Generalizable Multi-Camera 3D Object Detection via Perspective Debiasing [28.874014617259935]
  マルチカメラ3Dオブジェクト検出(MC3D-Det)は,鳥眼ビュー(BEV)の出現によって注目されている。 本研究では,3次元検出と2次元カメラ平面との整合性を両立させ,一貫した高精度な検出を実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-17T15:31:28Z)
• CrossLoc3D: Aerial-Ground Cross-Source 3D Place Recognition [45.16530801796705]
  CrossLoc3Dは、クロスソース環境での大規模点マッチング問題を解決する新しい3D位置認識手法である。 CS-Campus3Dは,空中および地上の両方のLiDARスキャンから得られる点雲データからなる,最初の3次元地上クロスソースデータセットである。
  論文  参考訳（メタデータ） (2023-03-31T02:50:52Z)
• Unleash the Potential of Image Branch for Cross-modal 3D Object Detection [67.94357336206136]
  画像分岐のポテンシャルを2つの側面から解き放つことを目的として,新しい3Dオブジェクト検出器UPIDetを提案する。 まず、UPIDetは正規化された局所座標写像推定と呼ばれる新しい2次元補助タスクを導入する。 第2に,イメージブランチのトレーニング目標から逆転する勾配によって,ポイントクラウドバックボーンの表現能力を向上できることを見出した。
  論文  参考訳（メタデータ） (2023-01-22T08:26:58Z)
• Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
  本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。 本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
  論文  参考訳（メタデータ） (2022-07-27T13:16:39Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Multiview Detection with Feature Perspective Transformation [59.34619548026885]
  本稿では,新しいマルチビュー検出システムMVDetを提案する。 我々は,平面上に特徴写像を投影することで,多視点情報を集約するアンカーフリーアプローチを採っている。 私たちのモデル全体がエンドツーエンドで学習可能で、標準のWildtrackデータセットで88.2%のMODAを実現しています。
  論文  参考訳（メタデータ） (2020-07-14T17:58:30Z)

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。