用于跨视角地理定位的可学习查询聚合

本文解决了跨视角地理定位这一具有挑战性的问题，这对于自动导航和机器人技术等应用至关重要。核心贡献在于使用混合专家（MoE）路由机制在交叉注意力框架内的新型聚合模块。这允许自适应处理异构输入域，即使存在显着的视角差异，也能改善查询图像与大型数据库的匹配。DINOv2 和多尺度通道重新分配模块的使用进一步增强了系统的性能。本文对效率（更少的训练参数）的关注也是一个显着的优势。

• •提出了一种新的 CVGL 系统来解决视角差异。
• •采用 DINOv2 骨干网络和多尺度通道重新分配模块。
• •引入了基于 MoE 的聚合模块，用于自适应特征处理。
• •用更少的参数实现了有竞争力的性能。