Tag · 2 篇
自监督特征
分布 目标检测与定位1图像分割1
01 02
VidTAG：面向全球尺度的时序对齐视频到 GPS 地理定位与去噪序列预测
VidTAG: Temporally Aligned Video to GPS Geolocalization with Denoising Sequence Prediction at a Global Scale
把视频地理定位从图像检索式画廊匹配转为帧到 GPS 坐标的检索，并用 TempGeo 对齐帧嵌入、GeoRefiner 编码器-解码器做时序一致的 GPS 序列精修；对做视觉定位、跨模态检索与视频时序建模的人，这套「坐标库替代图像库 + 时序对齐精修」的范式可直接迁移到轨迹估计类任务。
INSID3：基于 DINOv3 的免训练上下文分割
INSID3: Training-Free In-Context Segmentation with DINOv3
利用冻结的 DINOv3 密集自监督特征直接进行语义匹配和分割，无需微调或辅助模型，为少样本分割提供了极简且强泛化的新范式。