論文の概要: Pinpoint: Grounded Worldwide Image Geolocation via Cross-Source Retrieval and Reranking

• arxiv url: http://arxiv.org/abs/2606.04133v1
• Date: Tue, 02 Jun 2026 18:44:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.32982
• Title: Pinpoint: Grounded Worldwide Image Geolocation via Cross-Source Retrieval and Reranking
• Title（参考訳）: Pinpoint: クロスソース検索とリグレードによる世界規模の画像ジオロケーション
• Authors: Nika Chuzhoy, Brian Hu, Amit A. Arora, Jae Ro, Sarthak S. Sahu,
• Abstract要約: Pinpointは、インターネット写真とストリートビュー画像を組み合わせた、検索と参照のアーキテクチャです。 対照的な画像-GPS埋め込みは、Flickrの写真とストリートビューの画像の両方で訓練される。 注意に基づくリランカは、候補レベルの視覚的特徴とGPS機能と、近くの場所からのクロスソースな証拠を組み合わせることで、検索した候補を再スコアする。
• 参考スコア（独自算出の注目度）: 1.8865010793204877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image geolocation aims to estimate where a photograph was taken from its visual content. At worldwide scale, this remains challenging because visual evidence is often ambiguous, diverse, and unevenly distributed. Prior work has typically treated geolocation of ordinary internet photos and street-view imagery as separate tasks, despite their complementary strengths: internet photos better match the appearance distribution of user-captured queries, while street-view imagery provides denser, geographically grounded coverage. We present Pinpoint, a retrieve-and-rerank architecture that combines both sources in a coarse-to-fine pipeline. A contrastive image-GPS embedder is trained on both user-uploaded Flickr photos and street-view imagery, learning a shared image-GPS embedding space that is used to retrieve candidate locations. An attention-based reranker then rescores retrieved candidates by combining candidate-level visual and GPS features with cross-source evidence from nearby locations to ground the prediction. Unlike recent prior work, Pinpoint does not rely on multimodal large-language models, making inference faster and more reproducible. Pinpoint achieves state-of-the-art results across all metrics on standard benchmarks for internet photos (IM2GPS3k and YFCC4k) and street-view imagery (OSV-5M).
• Abstract（参考訳）: 画像位置情報は、その視覚的コンテンツから撮影された場所を推定することを目的としている。 世界規模では、視覚的証拠が曖昧で、多様性があり、不均一に分散しているため、これは依然として難しい。 従来の作業では、通常のインターネット写真やストリートビュー画像の位置情報は、補完的な強みにもかかわらず、別のタスクとして扱われてきた。 粗いパイプラインで両方のソースを結合する、検索と参照のアーキテクチャであるPinpointを紹介します。 画像-GPS埋め込みは、ユーザーがアップロードしたFlickr写真とストリートビュー画像の両方で訓練され、画像-GPS埋め込みスペースを学習し、候補位置を検索する。 次に、注目に基づくリランカーが、候補レベルの視覚的特徴とGPS機能と、近くの場所からのクロスソースな証拠を組み合わせることで、検索した候補を再スコアする。 最近の作業とは異なり、Pinpointはマルチモーダルな大規模言語モデルに依存しておらず、推論が高速で再現性が高い。 Pinpointは、インターネット写真(IM2GPS3kとYFCC4k)とストリートビュー画像(OSV-5M)の標準ベンチマークで、すべての指標の最先端結果を達成する。

関連論文リスト

• GeoRanker: Distance-Aware Ranking for Worldwide Image Geolocalization [23.297305067573316]
  画像ジオローカライズのための距離対応ランキングフレームワークGeoRankerを提案する。 絶対距離と相対距離の両方をランク付けする多階距離損失を導入し、構造的空間関係をモデル化する。 GeoRankerは、2つの確立されたベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-05-19T21:04:46Z)
• G3: An Effective and Adaptive Framework for Worldwide Geolocalization Using Large Multi-Modality Models [40.69217368870192]
  我々は、レトリーバル拡張世代(RAG)に基づく世界規模の地理的ローカライゼーションのための新しい枠組みを提案する。 G3は、ジオアライメント、ジオディバーシフィケーション、ジオビジュアライゼーションの3つのステップから構成される。 2つの確立されたデータセットの実験は、他の最先端手法と比較してG3の優位性を検証する。
  論文  参考訳（メタデータ） (2024-05-23T15:37:06Z)
• GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
  世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。 既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。 画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
  論文  参考訳（メタデータ） (2023-09-27T20:54:56Z)
• PIGEON: Predicting Image Geolocations [44.99833362998488]
  本稿では, セマンティックジオセル生成, マルチタスクコントラスト事前学習, 新たな損失関数を組み合わせた新しいジオローカライズシステムを提案する。 PIGEOTTOは、目に見えない場所に効果的に一般化する最初の画像ジオローカライズモデルである。
  論文  参考訳（メタデータ） (2023-07-11T23:36:49Z)
• Where We Are and What We're Looking At: Query Based Worldwide Image Geo-localization Using Hierarchies and Scenes [53.53712888703834]
  地理的レベルの異なる関係を利用して、エンドツーエンドのトランスフォーマーベースのアーキテクチャを導入する。 4つの標準ジオローカライゼーションデータセット上で,アートストリートレベルの精度を実現する。
  論文  参考訳（メタデータ） (2023-03-07T21:47:58Z)
• Where in the World is this Image? Transformer-based Geo-localization in the Wild [48.69031054573838]
  世界各地で撮影された地上レベルのRGB画像から地理的位置(ジオローカライゼーション)を予測することは、非常に難しい問題です。 画像全体の細部を網羅する統合型デュアルブランチトランスネットワークであるTransLocatorを提案する。 我々は、Im2GPS、Im2GPS3k、YFCC4k、YFCC26kの4つのベンチマークデータセットでTransLocatorを評価し、5.5%、14.1%、4.9%、9.9%の大陸レベルの精度改善を得た。
  論文  参考訳（メタデータ） (2022-04-29T03:27:23Z)
• Real-time Geo-localization Using Satellite Imagery and Topography for Unmanned Aerial Vehicles [18.71806336611299]
  本稿では,UAV上の軽量組込みシステムにおいて,シーン変更と実用性に信頼性のあるフレームワークを提案する。 このフレームワークは、オフラインデータベースの準備とオンライン推論の2つのステージで構成されている。 2つの異なるUAVプラットフォーム上でのイメージベースローカライゼーションのフィールド実験を行い、その結果を検証した。
  論文  参考訳（メタデータ） (2021-08-07T01:47:19Z)

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。