arXiv · 机器人与计算机视觉· Ayesh Abu Lehyeh, Jay Hwasung Jung, Safwan Wshah·· 2026-10-07AI 评分44
零样本语言推理实现跨视角地理定位:NeurIPS 2026 研讨会接受论文
What Words Keep of a Place: Zero-Shot Language Reasoning for Cross-View Geo-Localization
AI 导读
该研究提出无需训练组件,利用多模态大语言模型(MLLM)将地面全景图与卫星图块描述为结构化文本进行零样本跨视角地理定位。在 VIGOR 数据集上,该方法虽无法直接替代视觉检索器,但能解释匹配依据并辅助修正错误排序。代码与提示词已公开,论文被 NeurIPS 2026 研讨会接收。
来源:arXiv · 机器人与计算机视觉 · arxiv.org