論文の概要: Trajectory-aware Cross-view Geo-localization with Sequential Observations
- arxiv url: http://arxiv.org/abs/2607.15491v1
- Date: Thu, 16 Jul 2026 22:39:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.714545
- Title: Trajectory-aware Cross-view Geo-localization with Sequential Observations
- Title（参考訳）: 連続観測による軌跡認識型クロスビュージオローカライゼーション
- Abstract要約: クロスビュー・ローカライゼーションは、衛星画像に対する地上レベルの観測と一致する。
近年の手法では、ビデオクリップのような逐次クエリは、単一の画像よりもリッチなキューが得られることが示されている。
我々は、$sim$39KのテキストトリプレットのデータセットであるSeqLoc-VLと、ビデオクリップとルート記述を処理可能な統合フレームワークであるTrajLocを紹介した。
- 参考スコア（独自算出の注目度）: 14.771498439131953
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-view geo-localization matches ground-level observations against geo-tagged satellite imagery. Recent methods show that sequential queries such as video clips yield richer spatiotemporal cues than single images, yet they overlook a complementary sequential modality: route descriptions -- which capture the same trajectory at a higher level of abstraction and are often the only input available (e.g., a user directing an autonomous vehicle to a pickup point). To bridge this gap, we introduce SeqGeo-VL, a dataset of $\sim$39K video-text-satellite triplets, and TrajLoc, a unified framework capable of processing both video clips and route descriptions. By leveraging both dense visual and abstract linguistic semantics, TrajLoc enables these modalities to mutually reinforce cross-view matching. We further propose TrajMod, a lightweight module that conditions query embeddings on trajectory geometry, yielding spatially-aware representations. Experiments show that TrajLoc achieves substantial gains over state-of-the-art methods on both video and text geo-localization. The project page is available at https://humblegamer.github.io/trajloc/.
- Abstract（参考訳）: クロスビュージオローカライゼーションは、ジオタグ付き衛星画像に対する地上レベルの観測と一致する。
最近の方法では、ビデオクリップのようなシーケンシャルなクエリは、単一画像よりも時空間的キューが豊かになるが、補完的なシーケンシャルなモダリティを見落としている: ルート記述 -- より抽象的なレベルで同じ軌道を捉え、しばしば利用可能な唯一の入力(例えば、自動運転車をピックアップポイントに誘導する)である。
このギャップを埋めるために、ビデオクリップとルート記述の両方を処理可能な統合フレームワークであるTrajLocと、$\sim$39KのビデオテキストサテライトトリプルのデータセットであるSeqGeo-VLを紹介した。
TrajLocは、密集した視覚的意味論と抽象的な言語的意味論の両方を活用することで、これらのモダリティを相互に相互に相互に相互に相互に相互に強化することができる。
さらに,トラジェクトリ幾何へのクエリ埋め込みを条件とし,空間的に認識された表現を生成する軽量モジュールであるTrajModを提案する。
実験により、TrajLocはビデオとテキストのジオローカライゼーションの両方において最先端の手法よりも大幅に向上していることが示された。
プロジェクトのページはhttps://humblegamer.github.io/trajloc/.comで公開されている。
関連論文リスト
- GeoTrace: Geometry-Aware Trajectory Token Compression for Video Large Language Models [25.376020984792845]
GeoTraceは、ビデオ大言語モデルのためのトレーニング不要なトークン圧縮フレームワークである。
ビデオ証拠を正確な骨格トークンと追跡可能な残留イベントトークンに分解する。
99.1%のバニラ性能を維持しながら(12.99タイム)のTFLOP削減を実現している。
論文 参考訳（メタデータ） (2026-07-10T03:58:26Z) - TrajPrism: A Multi-Task Benchmark for Language-Grounded Urban Trajectory Understanding [9.669733030377632]
言語軌道アライメントのためのマルチタスクベンチマークであるTrajPrismを紹介する。
そこで我々は,トラジャプリズムを実都市軌跡と,トラジャプリズム(TrajPrism)と,トラジャプリズム(TrajPrism)とを組み合わせて構築する。
このベンチマークには、ポルト、サンフランシスコ、北京で選択された300万のトラジェクトリが含まれており、タスクインスタンスは210万である。
論文 参考訳（メタデータ） (2026-05-11T16:17:13Z) - VidTAG: Temporally Aligned Video to GPS Geolocalization with Denoising Sequence Prediction at a Global Scale [46.71012068113612]
ビデオジオローカライゼーションの課題は、ビデオの起源の正確なGPS座標を決定し、その軌跡をマッピングすることである。
自己教師機能と言語対応機能の両方を用いてフレーム・ツー・GPS検索を行う,デュアルエンコーダ・フレームワークであるVidTAGを提案する。
提案手法は,ビデオの微粒化を可能とし,今後の研究の基盤となる。
論文 参考訳（メタデータ） (2026-04-14T00:35:07Z) - Learning Trajectory-Aware Multimodal Large Language Models for Video Reasoning Segmentation [55.743701532984126]
我々はTrajSegを提案する。TrajSegはマルチモーダル大規模言語モデル上に構築されたシンプルで統一されたフレームワークである。
本研究では,MLLMが接頭辞(テキスト・トゥ・トラジェクティブ)と接頭辞(テキスト・トゥ・テキスト)の指示を受理する双方向テキスト・トラジェクティブアライメントを提案する。
このようにして、MLLMは、ビデオの対応性の向上と、より知覚的なオブジェクトの軌跡の恩恵を受けることができる。
論文 参考訳（メタデータ） (2026-03-23T02:25:51Z) - GeoBridge: A Semantic-Anchored Multi-View Foundation Model Bridging Images and Text for Geo-Localization [36.20562550716618]
クロスビュージオローカライゼーションは、クエリ画像に視覚的に対応するジオタグ付き参照画像を取得することで位置を推測する。
従来の衛星中心のパラダイムは、高解像度または最新の衛星画像が利用できない場合にロバスト性を制限する。
ビュー間の双方向マッチングを行うモデルであるGeoBridgeを提案する。
論文 参考訳（メタデータ） (2025-12-02T12:28:22Z) - From Street to Orbit: Training-Free Cross-View Retrieval via Location Semantics and LLM Guidance [10.533095161205358]
クロスビュー画像検索は、自律ナビゲーション、都市計画、GPSを用いた環境におけるローカライゼーションなどの応用において重要である。
我々は、事前学習された視覚エンコーダと大規模言語モデル(LLM)を利用した、シンプルで効果的なクロスビュー画像検索フレームワークを提案する。
しかし,提案手法は,ゼロショット設定下でのベンチマークデータセットに対する事前学習に基づくアプローチよりも優れていた。
論文 参考訳（メタデータ） (2025-11-12T23:51:46Z) - GLEAM: Learning to Match and Explain in Cross-View Geo-Localization [66.11208984986813]
CVGL(Cross-View Geo-Localization)は、同じ地理的位置の異なる視点から撮影された画像間の対応を識別することに焦点を当てている。
GLEAM-Cは、UAV画像、ストリートマップ、パノラマ画像、地上写真を含む複数のビューとモダリティを衛星画像のみに合わせる基本CVGLモデルである。
従来のCVGL手法では解釈可能性の欠如に対処するため,クロスビュー対応予測と説明可能な推論を組み合わせたGLEAM-Xを提案する。
論文 参考訳（メタデータ） (2025-09-09T07:14:31Z) - GeoVLM: Improving Automated Vehicle Geolocalisation Using Vision-Language Matching [6.8045687415659275]
クロスビュージオローカライゼーションは、地上レベルの画像とジオタグ付き衛星画像とをデータベースからマッチングすることにより、車両の粗い地理的位置を特定する。
既存のアプローチは高いリコールレートに達するが、それでもトップマッチとして正しいイメージのランク付けに失敗している。
本稿では、視覚言語モデルのゼロショット機能を利用して、クロスビューなジオローカライゼーションを実現する新しいアプローチであるGeoVLMを提案する。
論文 参考訳（メタデータ） (2025-05-19T19:17:06Z) - CVLNet: Cross-View Semantic Correspondence Learning for Video-based
Camera Localization [89.69214577915959]
本稿では,クロスビューカメラのローカライゼーション問題に対処する。
本稿では、類似性マッチングの前に、問合せカメラの衛星画像に対する相対変位を推定する。
実験は、単一の画像に基づく位置決めよりもビデオベースの位置決めの有効性を実証した。
論文 参考訳（メタデータ） (2022-08-07T07:35:17Z) - 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) - GAMa: Cross-view Video Geo-localization [68.33955764543465]
我々は、文脈的手がかりを提供する画像ではなく、地上ビデオに焦点を当てている。
クリップレベルでは、短いビデオクリップと対応する空中画像が一致し、後に長いビデオの動画レベルのジオローカライズを得るために使用される。
提案手法は,トップ1リコール率19.4%,45.1%@1.0マイルを達成する。
論文 参考訳（メタデータ） (2022-07-06T04:25:51Z) - 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)
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。