用于有限视野跨视图地理定位的窗口到窗口BEV表示学习

《Neural Networks》:Window-to-Window BEV Representation Learning for Limited FoV Cross-View Geo-localization

【字体: 大 中 小 】 时间:2026年05月16日 来源:Neural Networks 6.3

编辑推荐:

  雷成|刘大坤|孟凌泉|孙长胤|王腾•我们提出了一个基于窗口到窗口的BEV(Bird's-Eye View,鸟瞰图)表示学习框架,该框架无需相机参数即可从地面级图像中构建BEV特征。•引入了一个深度引导的BEV初始化模块,以提供几何上合理的BEV先验,即使在视野(FoV)严重受限的

  
雷成|刘大坤|孟凌泉|孙长胤|王腾
  • •
    我们提出了一个基于窗口到窗口的BEV(Bird's-Eye View,鸟瞰图)表示学习框架,该框架无需相机参数即可从地面级图像中构建BEV特征。
  • •
    引入了一个深度引导的BEV初始化模块,以提供几何上合理的BEV先验,即使在视野(FoV)严重受限的情况下也能实现准确的BEV学习。
  • •
    开发了一种基于上下文的动态窗口匹配策略,以建立可靠的局部跨视图对应关系,显著提高了从部分地面视图观测数据中进行BEV推理的能力。
  • •
    在CVUSA、CVACT和VIGOR数据集上进行的广泛实验表明,在未知方向和有限视野条件下,该框架能够实现一致且显著的性能提升,证明了其在不同数据集和视野条件下的强大鲁棒性和泛化能力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号