PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.14925v3cs.CV

무료 기하학적 사전 정보로서의 도로 지도: GeoFuse를 활용한 날씨 불변 드론 위치 추정

Road Maps as Free Geometric Priors: Weather-Invariant Drone Geo-Localization with GeoFuse

드론 시점 위치 추정(drone-view geo-localization)은 악천후(예: 비, 눈, 안개) 환경에서 촬영되는 경우가 많은 쿼리 드론 이미지를 위치 태그가 지정된 위성 이미지 갤러리와 매칭하는 것을 목표로 합니다. 노이즈, 시정 저하, 부분 가림과 같은 드론 시점에서의 날씨 유발 품질 저하는 고유한 시점 간(cross-view) 도메인 격차를 크게 악화시킵니다. 기존 방법들은 주로 날씨 특화 아키텍처나 데이터 증강에 의존해 왔지만, 추가 비용이 거의 들지 않으면서 본질적으로 날씨에 불변인 강력한 기하학적 배치 단서(예: 도로망 및 건물 윤곽)를 제공하는 손쉽게 활용 가능한 모달리티인 도로 지도 데이터를 대체로 간과해 왔습니다. 본 논문에서는 정밀하게 정렬된 도로 지도 타일을 위성 영상과 통합하여 더욱 변별력 있고 날씨에 견고한 표현을 생성하는 교차 모달 융합 프레임워크인 GeoFuse를 소개합니다. 먼저 기존 University-1652 및 DenseUAV 벤치마크를 지리적으로 정렬된 도로 지도로 증강하여 기상 변화에 강건한 구조적 사전 정보를 제공합니다. 이를 바탕으로 토큰(token) 수준 및 채널 수준 상호작용을 통해 위성과 도로 지도 특징을 결합하는 유연한 융합 모듈을 제안하며, 인스턴스별로 모달리티 기여도를 적응적으로 가중하는 경량 동적 게이팅 메커니즘을 적용합니다. 마지막으로, 날씨로 인해 품질이 저하된 드론 특징과 융합된 위성-도로 지도 표현 간의 강건한 정렬을 촉진하기 위해 클래스 수준 시점 간 대조 학습을 적용합니다. 다양한 날씨 조건에서의 광범위한 실험을 통해 GeoFuse가 기존 SOTA 방법들을 일관되게 능가하며, University-1652 및 DenseUAV 벤치마크에서 각각 +3.46% 및 +23.18%의 Recall@1 재현율 정확도 향상을 달성함을 보여줍니다.

arXiv:2607.00416v1cs.CV

DroneIQA-VLE: 비전-언어 앙상블을 통한 멀티태스크 드론 이미지 화질 평가

DroneIQA-VLE: Multi-Task Drone Image Quality Assessment via Vision-Language Ensemble

SigLIP2 비전 인코더와 LoRA 적응된 Qwen3.5-9B 멀티모달 대규모 언어 모델(LLM)을 앙상블하여 저고도 UAV 이미지의 전역·타겟·배경 화질 점수를 동시에 예측하는 DroneIQA-VLE 프레임워크를 제안한다. ICME 2026 Drone-IQA Grand Challenge에서 PLCC 0.9484, SRCC 0.9420을 기록하며 2위를 달성하였다.