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。
生物通微信公众号
生物通新浪微博
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