AdaptVPR：面向鲁棒视觉地点识别的路径感知困难正样本生成
AdaptVPR是一种生成式数据增强框架，旨在提升视觉地点识别对光照、天气、季节变化和动态遮挡的鲁棒性。视觉语言模型负责解析场景属性，基于规则的调度器则根据可编辑性和风险约束选择生成路径。系统可生成天气、光照和时间等全局外观变化，加入局部动态遮挡物，或结合两类扰动。基于几何一致性和外观多样性的验证机制会筛除不可靠样本，降低结构偏移风险。由此构建的AdaptCities数据集包含16万条经过验证的合成同地点困难正样本。在多个VPR基线和视觉基础模型上的实验表明，在具有挑战性的领域变化下，R@1最高提升9.2%。源代码和数据资源已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。