論文の概要: Pixel-wise Geo-registration of Drone and Satellite Images

• arxiv url: http://arxiv.org/abs/2608.28891v1
• Date: Fri, 28 Aug 2026 21:50:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.777552
• Title: Pixel-wise Geo-registration of Drone and Satellite Images
• Title（参考訳）: ドローンと衛星画像の画素単位のジオレジゲーション
• Abstract要約: ピクセルレベルのクロスビュージオレジゲーションの目的は、クエリイメージ(例えばドローン)をジオリファレンス衛星マップに合わせることで、すべてのクエリピクセルを現実世界のGPS座標にマッピングできるようにすることである。 既存のベンチマークはGPSラベルのみを提供しており、評価は画像ごとに1つの座標に制限されている。 画素レベルのドローンと衛星のジオレジストレーションのためのデータセットと標準化されたベンチマークであるSkyRegを紹介した。
• 参考スコア（独自算出の注目度）: 46.14662444002411
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pixel-level cross-view geo-registration aims to align a query image (e.g., drone) to a geo-referenced satellite map so that every query pixel can be mapped to real-world GPS coordinates. Despite strong progress in cross-view geo-localization, existing benchmarks largely provide only GPS labels, limiting evaluation to a single coordinate per image and leaving dense geodetic alignment underexplored. We introduce SkyReg, a dataset and standardized benchmark for pixel-level drone-to-satellite geo-registration, providing dense per-pixel geo-location supervision across diverse settings (orthographic and perspective), scene types (urban, landmark-centric, suburban/rural), and camera configurations. Using SkyReg, we evaluate a broad set of baselines spanning retrieval, feature matching, homography-based alignment, and feed-forward 3D reconstruction. Finally, cross-view pairs from SkyReg, we train a geometry-aware reconstruction pipeline that achieves state-of-the-art results,improving performance by a significant margin.
• Abstract（参考訳）: Pixelレベルのクロスビュージオレジストリの目的は、クエリイメージ(例えばドローン)をジオリファレンス衛星マップに合わせることで、すべてのクエリピクセルを現実世界のGPS座標にマッピングできるようにすることである。 クロスビューなジオローカライゼーションの進歩にもかかわらず、既存のベンチマークはGPSラベルのみを提供し、画像ごとに1つの座標に評価を制限し、密度の高いジオデティックなアライメントを未探索のまま残している。 SkyRegは、さまざまな設定(オーソグラフィックと視点)、シーンタイプ(アーバン、ランドマーク中心、郊外/郊外/農村)、カメラ構成にまたがって、ピクセル単位のジオロケーションを厳密に監視する、ピクセルレベルのドローンから衛星へのジオレジゲーションのためのデータセットと標準化されたベンチマークである。 SkyRegを用いて、検索、特徴マッチング、ホモグラフィーに基づくアライメント、フィードフォワード3D再構成にまたがる幅広いベースラインの評価を行った。 最後に、SkyRegからのクロスビューペアをトレーニングし、最先端の成果を達成し、大幅なマージンで性能を向上する幾何対応の再構築パイプラインを訓練する。

関連論文リスト

• Spotter: Efficient Urban Visual Localization via Geo-Referenced Facade Landmarks in GPS-Degraded Environments [0.5371337604556311]
  Spotterは、ロボットおよびウェアラブルプラットフォームのためのリアルタイムビジュアルローカライズフレームワークである。 Googleストリートビューパノラマを、意味的にファサードを分割し、地図データと多視点ステレオ深度をペアリングすることによって処理する。 実行時に、クエリ画像はカスケード検索と幾何検証パイプラインを介してマッチングされ、微細なグローバルカメラローカライゼーションを回復する。
  論文  参考訳（メタデータ） (2026-08-24T14:15:25Z)
• 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)
• Wrivinder: Towards Spatial Intelligence for Geo-locating Ground Images onto Satellite Imagery [28.971555127858334]
  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。
  論文  参考訳（メタデータ） (2026-02-16T17:06:54Z)
• 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)
• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
  クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。 実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-09-25T13:33:28Z)
• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• 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)
• 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。