論文の概要: GeoMFD: Continual Drone-View Geo-Localization with Geometry-Aware Adapter and Margin-Field Distillation
- arxiv url: http://arxiv.org/abs/2607.25788v1
- Date: Tue, 28 Jul 2026 14:41:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.870928
- Title: GeoMFD: Continual Drone-View Geo-Localization with Geometry-Aware Adapter and Margin-Field Distillation
- Title（参考訳）: GeoMFD:Geometry-Aware Adapter と Margin-Field Distillation による連続型ドローンビュージオローカライゼーション
- Abstract要約: 既存のドローンビュージオローカライゼーション(DVGL)手法は主に静的トレーニングパラダイムの下で開発されている。
このパラダイムは、ドローンが多様な環境に遭遇する可能性がある現実世界のデプロイメントにまで拡張することは困難である。
DVGLの幾何対応型連続適応法であるGeoMFDを提案する。
- 参考スコア（独自算出の注目度）: 18.892853193807184
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing drone-view geo-localization (DVGL) methods are mainly developed under a static training paradigm, where models are optimized for fixed environments with all training data available in advance. However, this paradigm is difficult to extend to real-world deployment, where drones may encounter diverse environments and require multiple environment-specific models, resulting in additional storage and model-selection costs. Directly adapting a single model to new environments also risks distorting previously learned cross-view embedding geometry and causing forgetting. To address these challenges, we formalize the continual drone-view geo-localization (C-DVGL) setting and propose GeoMFD, a geometry-aware continual adaptation method for DVGL. GeoMFD combines a cold-start bootstrapping strategy (CBS), a geometry-aware adapter (Geo-Adapter), and margin-field distillation (MFD) to balance adaptation and cross-view geometry preservation. CBS initializes a stable embedding space, Geo-Adapter enables environment adaptation through controlled residual corrections, and MFD preserves similarity margins between positive pairs and hard negatives to alleviate cross-view geometry forgetting. Extensive experiments demonstrate that GeoMFD effectively mitigates forgetting and achieves competitive performance with environment-specific DVGL methods using a single continuously updated model.
- Abstract（参考訳）: 既存のドローンビュージオローカライゼーション(DVGL)手法は主に静的トレーニングパラダイムの下で開発されており、モデルがあらかじめトレーニングデータをすべて利用できる固定環境に最適化されている。
しかし、このパラダイムは、ドローンが多様な環境に遭遇し、複数の環境固有のモデルを必要とするような現実的な展開にまで拡張することは困難であり、結果としてストレージとモデル選択コストが増大する。
単一のモデルを新しい環境に直接適応させることは、以前に学んだクロスビューの埋め込み幾何学を歪め、忘れてしまうリスクも負う。
これらの課題に対処するため、我々は、DVGLの幾何対応型連続適応手法であるGeoMFDを提案し、C-DVGLの設定を定式化する。
GeoMFDはコールドスタートブートストラッピング戦略(CBS)とジオアダプタ(Geo-Adapter)とマージンフィールド蒸留(MFD)を組み合わせて、適応とクロスビュー幾何保存のバランスをとる。
CBSは安定な埋め込み空間を初期化し、Geo-Adapterは制御された残差補正による環境適応を可能にし、MFDは正対と強負の類似性を保ち、横方向の幾何学的忘れを緩和する。
大規模実験により,GeoMFDは,1つの連続的更新モデルを用いて,環境固有のDVGL法との競合性能を効果的に緩和することを示した。
関連論文リスト
- ToPos: Automated Optimal Positioning on Topographic Manifolds using Constrained Geodesic Voronoi Decomposition [3.180674374101366]
信頼性の高い自律マッピング、環境ラストマイルロジスティクス、インフラ配置は、空間基準サイト(SRS)の最適表面積バランス分布に依存する
本稿では,TOPPos 対応 Optimal Smpling のためのToPos について紹介する。
このフレームワークは、前述のアプリケーションを強化するための地理情報システム(GIS)サービスとして設計されている。
論文 参考訳（メタデータ） (2026-09-04T12:38:48Z) - Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives [72.63181031215858]
そこで本研究では,ゼロショットフロアプランのローカライズ手法を提案する。
我々の重要な洞察は、支配的な幾何学的プリミティブが人間が作った環境でユビキタスであることである。
シミュレーションと実世界の両方のデータセットの実験により、我々のアプローチは、目に見えない環境における最先端の学習ベースの手法よりも優れています。
論文 参考訳（メタデータ） (2026-06-03T12:14:24Z) - GeoViSTA: Geospatial Vision-Tabular Transformer for Multimodal Environment Representation [24.186635502118552]
ジオビスタ(Geospatial Vision-Tabular Transformer,Geospatial Vision-Tabular Transformer,Geospatial Vision-Tabular Transformer,Geospatial Vision-Tabular Transformer,Geospatial Vision-Tabular Transformer,Geospatial Vision-Tabular Transformer)を提案する。
我々は、GeoViSTAを自己教師付き共同マスク自動符号化目標で訓練し、欠落した画像パッチの復元を強制する。
結果は、構造化社会経済コンテキストとともに、物理的環境を共同でモデル化することで、高度に伝達可能な表現が得られることを示した。
論文 参考訳（メタデータ） (2026-05-14T05:46:07Z) - Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - VGGRPO: Towards World-Consistent Video Generation with 4D Latent Reward [14.297118875382871]
VGGRPO(VGGRPO)は、幾何学を意識したポストトレーニング用フレームワークである。
ビデオ拡散潜像を幾何学基礎モデルに縫い付け、潜像空間からのシーン幾何学の直接復号を可能にする。
カメラの安定性、幾何の整合性、全体的な品質を改善しながら、コストのかかるVAEデコードを排除する。
論文 参考訳（メタデータ） (2026-03-27T16:57:51Z) - MRGeo: Robust Cross-View Geo-Localization of Corrupted Images via Spatial and Channel Feature Enhancement [15.9788448312641]
クロスビュージオローカライゼーション (CVGL) は、対応するジオタグ付き衛星画像の検索により、ストリートビュー画像を正確にローカライズすることを目的としている。
以前の研究は、特定の標準データセット上でほぼ完璧なパフォーマンスを達成したが、現実の腐敗した環境での堅牢性は、まだ未調査のままである。
汚職下での堅牢なCVGLのための最初の体系的手法であるMRGeoを紹介する。
論文 参考訳（メタデータ） (2026-03-13T02:37:43Z) - Learning to Wander: Improving the Global Image Geolocation Ability of LMMs via Actionable Reasoning [72.13218601075958]
textbfWanderBenchは,具体的シナリオにおける行動可能な位置情報推論のための,最初のオープンアクセスグローバルジオロケーションベンチマークである。
我々は,下線Action of UnderlineThoughを用いた下線Geolocationフレームワークである textbfGeoAoT (Action of Thought) を提案する。
19個の大規模マルチモーダルモデルによる実験により、GeoAoTは動的環境におけるより優れた微細な局所化とより強力な一般化を実現することが示された。
論文 参考訳（メタデータ） (2026-03-11T06:24:10Z) - GEO-Bench-2: From Performance to Capability, Rethinking Evaluation in Geospatial AI [52.13138825802668]
GeoFMは地球観測を変革しているが、評価には標準化されたプロトコルが欠けている。
GEO-Bench-2は、分類、セグメンテーション、回帰、オブジェクト検出、インスタンスセグメンテーションにまたがる包括的なフレームワークでこの問題に対処する。
GEO-Bench-2のコード、データ、およびリーダーボードは、パーミッシブライセンスの下で公開されている。
論文 参考訳（メタデータ） (2025-11-19T17:45:02Z) - Geo2Vec: Shape- and Distance-Aware Neural Representation of Geospatial Entities [13.206124101350847]
署名された距離場(SDF)にインスパイアされた新しい手法であるGeo2Vecを導入し、元の空間で直接動作する。
SDFを近似するように訓練されたニューラルネットワークは、すべてのジオエンタリティタイプに対してコンパクトで幾何学的、統一された表現を生成する。
実験結果から,Geo2Vecは形状と位置を表す既存の手法より一貫して優れており,トポロジカルおよび距離の関係を捉え,実世界のGeoAIアプリケーションにおいて高い効率を実現していることがわかった。
論文 参考訳（メタデータ） (2025-08-26T07:12:28Z) - GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。
GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。
我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
論文 参考訳（メタデータ） (2025-07-02T18:44:03Z) - Bridging Geometric States via Geometric Diffusion Bridge [79.60212414973002]
本稿では,初期および対象の幾何状態を正確にブリッジする新しい生成モデリングフレームワークであるGeometric Diffusion Bridge (GDB)を紹介する。
GDBは、幾何学的状態の接続のためにDoobの$h$-transformの修正版から派生した同変拡散ブリッジを使用している。
我々はGDBが既存の最先端のアプローチを超越し、幾何学的状態を正確にブリッジするための新しい経路を開くことを示す。
論文 参考訳（メタデータ） (2024-10-31T17:59:53Z)
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。