arXiv · 机器人与计算机视觉· Changyu Lee, Yeonsoo Park, Abdullah Alfarrarjeh, Seon Ho Kim·· 2 天前AI 评分36
CLIP 模型在区域地理定位任务中的视觉线索与场景配置研究
What Does CLIP Learn for Regional Geolocalization? Probing Visual Cues and Scene Configuration After Adaptation
AI 导读
基于洛杉矶大都会区 9,085 张街景图像,研究发现对预训练 CLIP 进行编码器适配可将区域判别准确率从冻结编码器的 39.03% 提升至 75.94%-82.10%,并将预测中心均方距离由 12.30 km 降至 3.86 km。
来源:arXiv · 机器人与计算机视觉 · arxiv.org