論文の概要: Wrivinder: Towards Spatial Intelligence for Geo-locating Ground Images onto Satellite Imagery

• arxiv url: http://arxiv.org/abs/2602.14929v1
• Date: Mon, 16 Feb 2026 17:06:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.555496
• Title: Wrivinder: Towards Spatial Intelligence for Geo-locating Ground Images onto Satellite Imagery
• Title（参考訳）: Wrivinder: 地上画像の衛星画像への空間的インテリジェンス
• Authors: Chandrakanth Gudavalli, Tajuddin Manhar Mohammed, Abhay Yadav, Ananth Vishnu Bhaskar, Hardik Prajapati, Cheng Peng, Rama Chellappa, Shivkumar Chandrasekaran, B. S. Manjunath,
• Abstract要約: Wrivinderは、複数の地上写真を集め、衛星画像に合わせるためのフレームワークである。 また、多視点地上画像とジオ登録された衛星タイルを様々な屋外環境に接続するキュレートデータセットMC-Satもリリースした。 ゼロショット実験では、Wrivinderは密度と大面積の両方のシーンで30m未満の位置決め精度を達成している。
• 参考スコア（独自算出の注目度）: 28.971555127858334
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Aligning ground-level imagery with geo-registered satellite maps is crucial for mapping, navigation, and situational awareness, yet remains challenging under large viewpoint gaps or when GPS is unreliable. We introduce Wrivinder, a zero-shot, geometry-driven framework that aggregates multiple ground photographs to reconstruct a consistent 3D scene and align it with overhead satellite imagery. Wrivinder combines SfM reconstruction, 3D Gaussian Splatting, semantic grounding, and monocular depth--based metric cues to produce a stable zenith-view rendering that can be directly matched to satellite context for metrically accurate camera geo-localization. To support systematic evaluation of this task, which lacks suitable benchmarks, we also release MC-Sat, a curated dataset linking multi-view ground imagery with geo-registered satellite tiles across diverse outdoor environments. Together, Wrivinder and MC-Sat provide a first comprehensive baseline and testbed for studying geometry-centered cross-view alignment without paired supervision. In zero-shot experiments, Wrivinder achieves sub-30\,m geolocation accuracy across both dense and large-area scenes, highlighting the promise of geometry-based aggregation for robust ground-to-satellite localization.
• Abstract（参考訳）: 地理登録された衛星地図による地上レベルの画像の調整は、マッピング、ナビゲーション、状況認識に不可欠であるが、大きな視点差やGPSが信頼できない状況下では依然として困難である。 Wrivinderはゼロショットで幾何駆動のフレームワークで、複数の地上写真を集約し、一貫した3Dシーンを再構築し、衛星画像と整列させる。 Wrivinderは、SfM再構成、3Dガウススプラッティング、セマンティックグラウンド、および単眼深度に基づくメートル法を組み合わせ、安定なゼニスビューレンダリングを生成する。 適切なベンチマークを欠くこのタスクの体系的評価を支援するため,多視点地上画像と地理登録された衛星タイルを多様な屋外環境にリンクするキュレートされたデータセットMC-Satをリリースする。 WrivinderとMC-Satは共同で、幾何学中心のクロスビューアライメントを研究するための最初の総合的なベースラインとテストベッドを提供する。 ゼロショット実験では、Wrivinderは密度と大面積の両方のシーンで30,m以下の測地精度を達成し、地対衛星のロバストなローカライゼーションのための幾何学に基づくアグリゲーションの可能性を強調した。

関連論文リスト

• Geospecific View Generation -- Geometry-Context Aware High-resolution Ground View Inference from Satellite Views [5.146618378243241]
  多視点衛星画像から弱い幾何学やテクスチャを最大限に尊重するジオ特殊ビューを生成するための新しいパイプラインを提案する。 本手法は,衛星画像からの包括的情報を用いて,位置の地上画像を直接予測する。 我々のパイプラインは、衛星画像のみに基づいて、実物に近い地上ビューを初めて生成したものであることを実証する。
  論文  参考訳（メタデータ） (2024-07-10T21:51:50Z)
• Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via Geometry-Guided Cross-View Transformer [66.82008165644892]
  地上レベルの画像と一致/検索衛星画像との相対的な回転と変換を推定することにより、地上カメラの位置と方向の精度を向上させる手法を提案する。 実験の結果,本手法は最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-16T11:52:27Z)
• 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)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)

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。