Cross-view geo-localization: a survey

跨视角地理定位在计算机视觉领域引起了显著的关注，这得益于大量地标记数据集的普及和机器学习技术的进步。本文全面调研了与该领域相关的最新方法、技术和相关挑战，重点关注基于特征和深度学习策略。基于特征的方法利用独特的特征在不同视角之间建立对应关系，而基于深度学习的方法则使用卷积神经网络嵌入视角不变的属性。本文还阐述了跨视角地理定位面临的多方面挑战，例如视角和光照的变化，遮挡的发生，并阐明了应对这些问题的创新解决方案。此外，我们还界定了基准数据集和相关评估指标，并对最先进技术进行了比较分析。最后，我们讨论了未来研究的前景和跨视角地理定位在错综复杂的全球景观中的新兴应用。

跨视图地理定位是计算机视觉领域引起广泛关注的问题，本文旨在提供关于该领域的最新方法、技术和挑战的全面调查，重点关注基于特征和深度学习策略。

论文提出了基于特征和深度学习的跨视图地理定位方法，前者利用独特的特征建立不同视角之间的对应关系，后者使用卷积神经网络嵌入视图不变属性。

论文介绍了跨视图地理定位中的挑战，如视角和光照变化、遮挡等，并阐述了解决这些问题的创新方法。此外，还介绍了基准数据集和相关评估指标，并进行了最新技术的比较分析。最后，论文讨论了未来研究的方向和跨视图地理定位在全球化背景下的应用。

最近的相关研究包括“Cross-View Image Geolocalization with Visual Words and Visual Phrases”、“Deep Multimodal Embedding of Aerial and Street-Level Images for Geo-Localization”等。