Tag · 4 篇

地理定位

分布视觉语言模型2数据集与评测1自动驾驶与遥感1

TIGER: A Unified Framework for Time, Images and Geo-location Retrieval

TIGeR 用同一套表征同时完成地理定位、拍摄时间预测与「同地异时」图像检索，其核心思路是在外观剧烈变化下保持地点身份不变——这对做跨视角/跨季节地点识别、以及需要把时间作为检索条件的视觉检索系统，提供了一个可复用的多模态查询接口与训练范式。

MMLandmarks: a Cross-View Instance-Level Benchmark for Geo-Spatial Understanding

该基准提供跨视角（地面-卫星）检索与地理定位任务，可用于评估视觉模型在视角变化下的表征鲁棒性，其CLIP式基线表明多模态训练能提升泛化性，为跨视角检索研究提供标准化评测平台。

Global Underwater Geolocation from Time-Lapse Polarization Imagery

利用偏振图像中天空偏振模式反演太阳高度角曲线，再用两阶段 Transformer 做全球地理定位；其物理引导合成管线（从少量站点扩增到 280 万条太阳高度角匹配序列）为视觉定位中的跨站点泛化提供了一条可复用的数据增广思路。

GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics

把地理相似性奖励与一致性奖励引入强化学习训练，为视觉语言模型在细粒度地理定位任务上提供可复用的奖励设计与专家标注思维链数据构建思路。