617,388对跨4国41城！OpenCVL数据集让AI定位精度飙升，野外数据竟越杂越强！
OpenCVL: An Open, Diverse, and Large-Scale Dataset for Fine-Grained Cross-View Localization
📖 AI 总结
本文介绍了OpenCVL，一个面向细粒度跨视角定位（CVL）的大规模开放数据集。该数据集包含617,388对地面-航空图像，覆盖欧洲四国41座城市，所有图像均来自许可平台，确保长期可访问性。针对现有数据集依赖高端传感器、限制图像多样性的问题，OpenCVL在训练集中混合了高端传感器图像与野外图像，并开发了数据整理框架，用于过滤和校正噪声地理标签，构建可靠的野外评估数据。此外，数据集还包含跨区域和雪地测试集，用于评估模型的泛化能力和鲁棒性。实验表明，在OpenCVL上使用最先进的CVL模型时，加入噪声野外数据能持续提升干净测试集的性能，为利用多样化真实世界图像扩展CVL提供了有前景的方向。
🔑 关键词速览
| Fine-Grained Cross-View Localization (CVL) | 细粒度跨视角定位，通过匹配地面图像与航空图像来确定精确位置和方向的技术。 |
| Global Navigation Satellite Systems (GNSS) | 全球导航卫星系统，如GPS，用于提供地理位置信息，但在城市环境中可能受限。 |
| OpenCVL | 本文提出的开放、多样、大规模数据集，用于细粒度跨视角定位研究。 |
| in-the-wild imagery | 野外图像，指从现实世界非受控条件下收集的图像，通常带有噪声地理标签。 |
| data curation framework | 数据整理框架，用于过滤和校正图像姿态注释，以构建可靠的评估数据集。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅