道路地图作为免费的几何先验：借助 GeoFuse 实现不受天气影响的无人机地理定位

arXiv:2605.14925v3 公告类型：替换交叉版本 摘要：无人机视角地理定位旨在将查询无人机图像（通常在恶劣天气条件下拍摄，例如雨、雪、雾）与带有地理标签的卫星图像库进行匹配。天气导致的无人机视角图像质量下降，如噪声、能见度降低和局部遮挡，会严重加剧固有的跨视角域差异。尽管以往方法主要依赖针对特定天气设计的架构或数据增强，但在很大程度上忽视了道路地图数据这一易于获取的模态。道路地图能够以几乎零额外成本提供强大且天然不受天气影响的几何布局线索（例如道路网络和建筑物轮廓）。我们提出 GeoFuse，一种跨模态融合框架，将精确对齐的道路地图切片与卫星图像相结合，以生成更具判别性且更耐受天气变化的表征。首先，我们为现有的 University-1652 和 DenseUAV 基准补充地理对齐的道路地图，从而提供对气象变化具有鲁棒性的结构先验。在此基础上，我们提出一种灵活的融合模块，通过令牌级和通道级交互结合卫星图像与道路地图特征，并采用轻量级动态门控机制，根据每个实例自适应地调整各模态的贡献。最后，我们采用类别级跨视角对比学习，促进受天气影响的无人机特征与融合后的卫星图像-道路地图表征之间实现鲁棒对齐。在多种天气条件下进行的大量实验表明，GeoFuse 始终优于当前最先进的方法，在 University-1652 和 DenseUAV 基准上分别取得了 Recall@1 准确率 +3.46% 和 +23.18% 的提升。