OpenStreetView-5M: The Many Roads to Global Visual Geolocation

确定地球上任何图像的位置是一个复杂的视觉任务，这使得评估计算机视觉算法特别相关。然而，缺乏标准的、大规模的、可靠的可定位图像的开放数据集限制了其潜力。为了解决这个问题，我们介绍了OpenStreetView-5M，这是一个大规模的、开放的数据集，包括超过510万个地理参考的街景图像，涵盖了225个国家和地区。与现有的基准数据集不同，我们强制执行严格的训练/测试分离，使我们能够评估学习到的地理特征的相关性，而不仅仅是记忆。为了展示我们数据集的实用性，我们进行了各种最先进的图像编码器、空间表示和训练策略的广泛基准测试。所有相关的代码和模型都可以在https://github.com/gastruc/osv5m找到。

OpenStreetView-5M这篇论文试图解决什么问题？

OpenStreetView-5M这篇论文的关键思路是什么？

论文使用了一个新的大规模、开放式的数据集，进行了各种图像编码器、空间表示和训练策略的广泛基准测试，并提供了所有相关代码和模型。

这篇论文是最近关于计算机视觉领域的大规模、开放式数据集的研究之一，与现有的基准数据集有所不同。