Gewinner des Preises für das beste Papier - GeoCV-Workshop auf der WACV 2025
10 Januar 2025
Die visuelle Geolokalisierung, d. h. die Bestimmung präziser GPS-Koordinaten allein aus Bildern, ist nach wie vor ein schwieriges Problem in der Computer Vision Community. Herkömmliche Modelle haben mit zeitlichen Schwankungen zu kämpfen, wie z. B. neu errichteten Gebäuden, jahreszeitlichen Veränderungen und sich verändernden Landschaften, was zu einem Rückgang der Genauigkeit im Laufe der Zeit führt. Um dieses Problem zu lösen, erforschen wir Methoden, die die Anpassungsfähigkeit eines Modells an diese Veränderungen verbessern.
Im Rahmen unserer Zusammenarbeit zwischen der Universität der Bundeswehr München (UniBw M) und der Technischen Universität München (TUM) präsentieren wir CVTemporal, eine Erweiterung des weit verbreiteten CVUSA-Datensatzes. CVTemporal reichert die Originaldaten mit aktualisierten Satelliten- und Street-View-Bildern an, um die Auswirkungen von zeitlichen Verschiebungen auf Geolokalisierungsmodelle zu untersuchen. Konkret haben wir die 35.000 Satelliten- und Street-View-Bilderpaare aktualisiert, indem wir neue Bilder von denselben Orten mit den neuesten verfügbaren Zeitstempeln aufgenommen haben. Im weiteren Verlauf unserer Studie bewerten wir, wie bestehende sichtübergreifende Geolokalisierungsmodelle mit diesen Verschiebungen umgehen, und schlagen einen Ansatz zur Neueinstufung vor, der die Leistung trotz der Umgebungsveränderungen deutlich verbessert. Darüber hinaus untersuchen wir Strategien zur Bestimmung der minimalen Menge an neuen Daten, die für effektive Modellaktualisierungen erforderlich sind, um die Notwendigkeit einer vollständigen Neuerstellung von Datensätzen zu verringern.
Unsere Ergebnisse zeigen, dass selbst mit begrenzten Datenaktualisierungen die zeitliche Robustheit der Geolokalisierung erheblich verbessert werden kann. Wir freuen uns, dass unsere Arbeit zur Präsentation auf dem GeoCV-Workshop auf der WACV 2025 in Tucson, Arizona, angenommen wurde. Diese Arbeit wurde mit dem Best Paper Award des Workshops ausgezeichnet.
Temporal Resilience in Geo-Localization: Adapting to the Continuous Evolution of Urban and Rural Environments
Fabian Deuser, Wejdene Mansour, Hao Li, Konrad Habel, Martin Werner, Norbert Oswald
