Краткое содержание

arXiv:2511.12054v1 Тип объявления: новый Аннотация: Кросс-вью геолокация (CVGL) сопоставляет запросные изображения ($\textit{напр.}$, с дрона) с географически соответствующими изображениями противоположного ракурса ($\textit{напр.}$, со спутника). Хотя supervised-методы демонстрируют высокую производительность, их зависимость от обширных парных аннотаций ограничивает масштабируемость. Неконтролируемые альтернативы позволяют избежать затрат на разметку, но страдают от зашумленных псевдо-меток из-за внутренних межракурсных доменных разрывов. Чтобы устранить эти ограничения, мы предлагаем $\textit{UniABG}$ — новую двухэтапную неконтролируемую framework кросс-вью геолокации, объединяющую adversarial-мост между ракурсами с калибровкой соответствий на основе графов. Наш подход сначала использует View-Aware Adversarial Bridging (VAAB) для моделирования инвариантных к ракурсу признаков и повышения устойчивости псевдо-меток. Впоследствии, Heterogeneous Graph Filtering Calibration (HGFC) уточняет межракурсные связи путем построения двойных межракурсных структурных графов, достигая надежного соответствия между ракурсами. Экспери