論文の概要: X$^2$Localizer: Cross-grained Alignment for Progressive Cross-view Video Geo-localization
- arxiv url: http://arxiv.org/abs/2608.16658v1
- Date: Mon, 17 Aug 2026 14:53:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.754924
- Title: X$^2$Localizer: Cross-grained Alignment for Progressive Cross-view Video Geo-localization
- Title（参考訳）: X$^2$Localizer:プログレッシブなクロスビュービデオジオローカライゼーションのためのクロスグラウンドアライメント
- Abstract要約: CVG(Cross-view Video Geo-localization)は、地上の映像を、対応するジオタグ付き空中画像を取得してローカライズすることを目的としている。
CVGの展開指向拡張および評価プロトコルとして,プログレッシブ・クロスビュー・ビデオ・ジオローカライゼーション(PCVG)を定式化する。
- 参考スコア（独自算出の注目度）: 36.30227156632511
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Cross-view Video Geo-localization (CVG) aims to localize ground-view videos by retrieving their corresponding geo-tagged aerial images. However, CVG approaches rely on fixed-length inputs and post-hoc refinement, hindering online-oriented localization under partial or dynamic observations. In this work, we formulate Progressive Cross-view Video Geo-localization (PCVG) as a deployment-oriented extension and evaluation protocol of CVG, enabling localization under varying temporal budgets, prefix-based inference, random-start evaluation, and long-range localization with interruptions. To explore PCVG, we introduce X$^2$Localizer, a cross-grained alignment framework that jointly supervises global prefix-to-aerial retrieval and token-aggregated frame--aerial-tile matching with a budget-dependent asymmetric objective. Furthermore, we introduce a Sliding-Window Re-Localization (SWRL) strategy that dynamically refreshes candidate regions for failure recovery and long-range deployment without full-sequence reprocessing. Extensive experiments show that X$^2$Localizer preserves conventional full-video performance, with marginal gains of +0.1 Recall@1 and +0.3 Recall@10, while substantially improving early localization. In the challenging single-frame setting, X$^2$Localizer improves coarse retrieval by +4.7 Recall@1 and +11.5 Recall@10 over the previous state-of-the-art method. With SWRL, our approach further enables robust progressive localization under random-start and long-distance scenarios, narrowing the gap between benchmark evaluation and real-world deployment.
- Abstract（参考訳）: CVG(Cross-view Video Geo-localization)は、地上の映像を、対応するジオタグ付き空中画像を取得してローカライズすることを目的としている。
しかし、CVGのアプローチは固定長の入力とポストホックの改良に依存しており、部分的あるいは動的観察下でのオンライン指向の局所化を妨げる。
本研究では、CVGの展開指向拡張および評価プロトコルとしてプログレッシブ・クロスビュー・ビデオ・ジオローカライゼーション(PCVG)を定式化し、時間的予算、プレフィックスベース推論、ランダムスタート評価、割り込みによる長距離ローカライゼーションを実現する。
PCVGを探索するために、X$^2$Localizerを導入する。これは、グローバルプレフィックスからエアリアル検索とトークン集約フレーム-エアリアルタイルマッチングを予算依存の非対称目的と共同で監督する、粒度の交差したアライメントフレームワークである。
さらに、スライディング・ウィンドウ・リローカライゼーション(SWRL)戦略を導入し、フルシーケンスの再処理なしで障害復旧と長距離展開の候補領域を動的に更新する。
X$^2$Localizerは、初期ローカライゼーションを大幅に改善しつつ、+0.1 Recall@1と+0.3 Recall@10の限界ゲインを持つ従来のフルビデオパフォーマンスを保っている。
挑戦的な単一フレーム設定では、X$^2$Localizerは、以前の最先端メソッドよりも+4.7 Recall@1と+11.5 Recall@10による粗い検索を改善している。
SWRLでは、ランダムスタートおよび長距離シナリオ下でのプログレッシブなローカライゼーションをさらに実現し、ベンチマーク評価と実世界の展開のギャップを狭める。
関連論文リスト
- Cross-View Sequential Visual Localization with Spatio-Temporal Context Modeling for Autonomous Driving [6.234507553234407]
地上画像と衛星地図とを視認する。
既存のクロスビュー視覚的ローカライゼーション手法は、各フレームを独立して処理する。
本研究では,クロスビュー・シーケンス・ビジュアル・ローカライゼーションのための時間コンテキスト拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T08:44:42Z) - SeqLoc: Beyond the Single Frame for Cross-View Geo-Localization in Feature-Sparse Scenes [49.30971835891526]
OpenStreetMap (OSM) を用いたクロスビュージオローカライゼーションは、構造豊かな都市環境では良好に機能するが、農村道路のような特徴の少ないシーンでは崩壊する。
CV-FSSは5つの農村地域の連続パノラマとOSMマップの整列をペアリングするベンチマークである。
次に,3つのキーコンポーネントを持つログ信頼性ボリュームを維持するオンラインテスト時間シーケンスアグリゲーション機構であるSeqLocを提案する。
論文 参考訳（メタデータ） (2026-08-08T00:42:23Z) - ViCrop-Det: Spatial Attention Entropy Guided Cropping for Training-Free Small-Object Detection [6.1221124436192875]
ViCrop-Detは、適応的な空間信頼領域収縮を導入する、トレーニング不要な推論フレームワークである。
RT-DETR-R50 と Deformable DETR に +1-3 mAP@50 を連続的に追加し,20-23% の遅延オーバヘッドを有することを示す。
計算マッチング設定下では、適応的ルーティング戦略は、一様スライシングベースラインを包括的に超越し、高度に最適化された精度-速度トレードオフを実現する。
論文 参考訳（メタデータ） (2026-04-29T15:35:03Z) - RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。
これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。
空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T12:35:57Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳（メタデータ） (2025-09-11T18:52:16Z) - A Unified Hierarchical Framework for Fine-grained Cross-view Geo-localization over Large-scale Scenarios [43.8734658237949]
クロスビューなジオローカライゼーションは大規模ローカライゼーション問題に対する有望な解決策である。
本稿では,新しい階層的ジオローカライゼーションフレームワークUnifyGeoを提案する。
タスク分離設定とタスク関連設定の両方において、UnifyGeoは最先端の処理性能を大きく上回ることを示す。
論文 参考訳（メタデータ） (2025-05-12T14:44:31Z) - FedSpeed: Larger Local Interval, Less Communication Round, and Higher
Generalization Accuracy [84.45004766136663]
フェデレートラーニング(Federated Learning)は、分散機械学習フレームワークである。
これは、局所的不整合最適と局所的過度な適合による頑丈なクライアントドリフトによってもたらされる非消滅バイアスに悩まされる。
本稿では,これらの問題による負の影響を軽減するために,新しい実用的手法であるFedSpeedを提案する。
論文 参考訳（メタデータ） (2023-02-21T03:55:29Z) - Indoor Localization with Robust Global Channel Charting: A
Time-Distance-Based Approach [2.572404739180802]
フィンガープリンティングに基づく位置決めは,非視線優位領域における屋内位置決め性能を著しく向上させる。
チャネルチャート(CC)は明示的な参照情報なしで機能し、チャネル状態情報(CSI)の空間的相関のみを必要とする
ユークリッド距離に対する線形相関にアプローチする時間同期シングルインプット/シングルアウトプットCSIに対して,新しい距離測定法を提案する。
これにより、チャートから実世界の座標への線形変換のみを使用して、CC支援のフィンガープリントと位置決めが可能になる。
論文 参考訳（メタデータ） (2022-10-07T11:07:59Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z)
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。