EarthLoc: Astronaut Photography Localization by Indexing Earth from Space

太空人拍摄的照片跨越了人类太空飞行的六十年，为科学研究和灾害响应提供了极具价值的独特地球观测数据集。尽管具有重要意义，但准确确定这些图像的地理范围对于有效利用而言仍然存在重大挑战。目前的手动定位工作耗时，因此需要自动化的解决方案。我们提出了一种新颖的方法——利用图像检索——以有效应对这一挑战。我们引入了创新的训练技术，包括年份数据增强和一种中性感知多相似性损失，这些技术有助于开发高性能模型EarthLoc。我们开发了六个评估数据集，并与现有方法进行了全面的基准测试，展示了EarthLoc的卓越效率和准确性。我们的方法在自动化定位宇航员拍摄照片方面标志着重大进步，这将有助于弥补地球观测数据中的关键差距。代码和数据集可在https://github.com/gmberton/EarthLoc上获得。

自动定位宇航员拍摄的地球照片的地理范围是一个挑战，本文提出了一个基于图像检索的新方法来解决这个问题。

本文提出了一种基于图像检索的方法，称为EarthLoc，结合了Year-Wise Data Augmentation和Neutral-Aware Multi-Similarity Loss等创新训练技术，可以高效准确地定位宇航员拍摄的地球照片的地理范围。

本文开发了六个评估数据集，并将EarthLoc与现有方法进行了全面的基准测试，展示了其卓越的效率和精度。本文的贡献在于提出了一种新的自动化方法来解决宇航员拍摄的地球照片的地理范围定位问题，填补了地球观测数据中的一个重要空白。代码和数据集可在GitHub上获取。

最近在这个领域中，也有一些相关的研究，如《Astronaut Photography Classification and Localization Using a Multi-Task Deep CNN》和《Automated Georeferencing of Astronaut Photography》等。