論文の概要: Structure-Aware Matching for Robust UAV Thermal-to-Satellite Geo-Localization
- arxiv url: http://arxiv.org/abs/2610.12835v1
- Date: Fri, 09 Oct 2026 00:38:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.330639
- Title: Structure-Aware Matching for Robust UAV Thermal-to-Satellite Geo-Localization
- Title（参考訳）: ロバストなUAV熱-サテライトジオローカライゼーションのための構造認識マッチング
- Abstract要約: UAV熱-衛星位置化(UAV thermal-to-Satellite geo-localization)は、リアルタイムの熱画像とジオレファレンス衛星画像とをマッチングすることにより、UAVをローカライズする。
本稿では,UAV熱測地性を改善するため,安定なクロスモーダルな構造的手がかりを明示的に活用する構造対応マッチングフレームワークSAMFを提案する。
- 参考スコア（独自算出の注目度）: 7.763078457173331
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: UAV thermal-to-satellite geo-localization localizes UAVs by matching real-time thermal images against georeferenced satellite images, enabling autonomous navigation in GNSS-denied and low-visibility conditions. However, substantial cross-modal disparities in color, brightness and viewpoint hinder conventional appearance-based methods from establishing reliable correspondences. While existing approaches predominantly address global modality shifts, they overlook the invariant scene structures inherently shared between thermal and satellite views. To bridge this gap, we propose SAMF, a Structure-Aware Matching Framework that explicitly exploits stable cross-modal structural cues to improve UAV thermal geolocalization. Specifically, the Directional Structure Enhancement Module (DSEM) strengthens robust structural representations by capturing directional and low-frequency spatial patterns, and the Modality-Aware Affine Remapping Module (MARM) subsequently applies affine correction to these enhanced features, further promoting cross-modal alignment. Additionally, we introduce the Thermal-UAV-Paired benchmark derived from the Thermal-UAV dataset. Extensive experiments on both the Boson-nighttime and Thermal-UAV-Paired datasets show that SAMF achieves state-of-the-art performance. Ablation studies further validate the effectiveness and synergistic complementarity of DSEM and MARM. The code and dataset are released at: https://github.com/YuxinWang879/SAMF.git.
- Abstract（参考訳）: UAVサーマル・トゥ・サテライト・ジオローカライゼーション(UAV thermal-to-Satellite geo-localization)は、リアルタイムの熱画像とジオレファレンス衛星画像とをマッチングすることでUAVをローカライズする。
しかし、色、明るさ、視点のかなりの異質性は、従来の外見に基づく手法が信頼性の高い対応を確立することを妨げている。
既存のアプローチは、大域的なモダリティシフトに主に対処するが、熱と衛星の間で本質的に共有される不変のシーン構造を見落としている。
このギャップを埋めるため,UAV熱ジオローカライゼーションを改善するために,安定なクロスモーダル構造を明示的に活用する構造対応マッチングフレームワークSAMFを提案する。
具体的には、方向構造拡張モジュール(DSEM)は、方向空間パターンと低周波空間パターンをキャプチャすることで、頑健な構造表現を強化し、その後、モダリティ対応アフィンリマッピングモジュール(MARM)は、これらの拡張機能にアフィン補正を適用し、さらにクロスモーダルアライメントを促進する。
また,熱-UAVデータセットから得られた熱-UAV-Pairedベンチマークについても紹介する。
Boson-nighttime と Thermal-UAV-Paired のデータセットに対する大規模な実験は、SAMF が最先端のパフォーマンスを達成することを示している。
アブレーション研究は、DSEMとMARMの有効性と相乗的相補性をさらに検証する。
コードとデータセットは、https://github.com/YuxinWang879/SAMF.gitでリリースされている。
関連論文リスト
- STEAM: Stable Self-Training with Elastic Matching and Adaptive Purification [7.7693155858168295]
クロスビュージオローカライゼーション(CVGL)は、ドローンビュー画像と対応する衛星ビュー画像とをマッチングすることにより、GPSフリーなローカライゼーションを実現することを目的としている。
既存の教師付き手法は、手動で手動で注釈付けされたクロスビュー画像ペアに依存しており、コストがかかり拡張が困難である。
STEAMは、実際のドローンや衛星画像上で直接自己学習を行う、エンドツーエンドの非教師なしジオローカライゼーションフレームワークである。
論文 参考訳（メタデータ） (2026-07-10T02:56:34Z) - FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。
FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。
我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
論文 参考訳（メタデータ） (2026-05-27T08:55:54Z) - Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。
我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
論文 参考訳（メタデータ） (2026-03-23T16:17:39Z) - RSONet: Region-guided Selective Optimization Network for RGB-T Salient Object Detection [76.1829298714382]
本稿では,RGB画像と熱画像の相違点に着目した。
RGB-T有向物体検出のための領域誘導選択最適化ネットワークを提案する。
我々は,RGB-Tデータセットに関する広範な実験を行い,提案したRSONetが27種類の最先端SOD手法と競合する性能を発揮することを示した。
論文 参考訳（メタデータ） (2026-03-13T06:01:17Z) - Enhancing Cross-View UAV Geolocalization via LVLM-Driven Relational Modeling [31.36539752384395]
クロスビューUAVジオローカライゼーションは、ドローンが捉えた画像の正確な空間座標を、地理的に参照された広範囲な衛星データベースと整列させることを目的としている。
改良されたUAV-Satellite画像マッチングのための共同関係モデリングを明示的に行うために設計された,新しいプラグアンドプレイランキングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-09T07:57:29Z) - Hierarchical Image Matching for UAV Absolute Visual Localization via Semantic and Structural Constraints [10.639191465547517]
無人航空機(UAV)には絶対的な位置決めが不可欠であるが、グローバルナビゲーション衛星システム(GNSS)信号が利用できない場合には困難である。
視線に基づく絶対的位置決め手法は、UAVの現在の視界を基準衛星マップで推定し、その位置を推定する手法として人気を博している。
既存の手法は主に従来の画像マッチングと低レベルの画像マッチングに依存しており、ソース間の相違や時間的変動による大きな違いによって困難に悩まされている。
セマンティック・アウェアと統合したUAV絶対位置推定のための階層的クロスソース画像マッチング手法を提案する。
論文 参考訳（メタデータ） (2025-06-11T13:53:03Z) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - Without Paired Labeled Data: End-to-End Self-Supervised Learning for Drone-view Geo-Localization [20.603433987118837]
ドローンビュージオローカライゼーション(DVGL)は、GPSタグ付き衛星画像を取得することで、ドローンの正確なローカライゼーションを実現することを目的としている。
既存の手法は、教師あり学習のために、厳密にペアリングされたドローン衛星画像に大きく依存している。
浅いバックボーンネットワークを用いたエンドツーエンドの自己教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2025-02-17T02:53:08Z) - SatDM: Synthesizing Realistic Satellite Image with Semantic Layout
Conditioning using Diffusion Models [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。
本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。
提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
論文 参考訳（メタデータ） (2023-09-28T19:39:13Z)
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。