跳到正文
智迹闻AuraTracer

S^3Geo:结构语义协同学习实现跨视角地理定位

本机阅读

发生了什么

据arXiv cs.CV论文,研究者提出S^3Geo框架,通过结构语义协同学习解决跨视角地理定位问题。该框架引入解耦查询池模块提取区域感知特征,设计基于最优传输的查询级对比学习建立软对应,并采用从冻结CLIP教师模型的知识蒸馏策略转移语义先验。在University-1652和SUES-200数据集上的实验表明,S^3Geo在不增加推理复杂度的情况下持续优于最先进方法。

报道与来源

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

  1. arXiv cs.CV一手材料

    S$^3$Geo: Structure-Semantic Synergistic Learning for Cross-View Geo-Localization

来源关系与证据边界

按已记录的来源角色展示;连线仅表示原生身份流程确认的同稿入口,不表示独立佐证或跨报道引用。

  1. 一手材料1 个发布入口