EVENT DOSSIER
AdaptVPR 框架提出并构建了含 16 万条数据的合成数据集。
为应对域偏移导致的视觉地点识别（VPR）鲁棒性下降问题，Shunpeng Chen 等人提出 AdaptVPR 框架。该方案利用视觉语言模型解析场景属性并评估编辑可行性，结合基于规则的调度器生成三种互补的困难正样本：全局外观路线（改变天气、光照和时间）、局部遮挡路线（插入动态遮挡物）以及双路线（结合两者）。生成的候选图像通过几何一致性与外观多样性验证方案筛选，若失败则反馈优化。研究据此构建了包含 160,000 条已验证合成数据的 AdaptCities 数据集。实验表明，该方法在多个基准测试及挑战性域偏移下均取得性能提升，R@1 增益最高达 9.2%，相关代码与数据已公开。
政府 · 科研机构跨 1 天
AdaptVPR 框架提出并构建了含 16 万条数据的合成数据集。
Shunpeng Chen 等人提出 AdaptVPR 框架，利用视觉语言模型和基于规则调度器生成三种互补路线（全局外观、局部遮挡、双路线）的困难正样本，并构建了包含 16 万条已验证合成数据的集合。
2 条报道Shunpeng Chen 等人提出 AdaptVPR，一种基于路线感知的生成增强框架，旨在提升视觉地点识别在挑战性外观变化下的鲁棒性。该框架通过三条场景依赖路线生成同地点困难正样本：全局外观路线（改变天气、光照和时间）、局部遮挡路线（插入动态遮挡物）以及双路线（结合两者）。研究构建包含 16 万条已验证合成数据的 AdaptCities 数据集，并采用平衡几何一致性与外观多样性的验证方案配合反馈驱动提示优化。实验表明，AdaptVPR 在多种视觉地点识别基线及视觉基础骨干网络上均能持续提升检索性能。
Visual Place Recognition (VPR) 鲁棒性常因域偏移而下降，AdaptVPR 提出一种路线感知的生成增强框架以解决同一地点外观多样性不足问题。该框架利用视觉语言模型解析场景属性并评估编辑可行性，结合基于规则的调度器确定生成路线，将过程分解为全局外观、局部遮挡和双路线三种互补模式。生成的候选图像通过基于几何一致性和外观多样性的 VPR 验证方案进行筛选，若验证失败则拒绝全局候选或反馈优化局部/双路候选。据此构建了包含 160K 已验证合成数据的 AdaptCities 数据集。实验表明，该方法在多个基准测试及挑战性域偏移下均取得一致提升，R@1 增益最高达 9.2%，相关代码与数据已公开。