[論文レビュー] (MGS)$^2$-Net: Unifying Micro-Geometric Scale and Macro-Geometric Structure for Cross-View Geo-Localization

Minglei Li, Mengfan He+4 more|arXiv (Cornell University)|Feb 11, 2026

Robotics and Sensor-Based Localization被引用数 0

ひとこと要約

この論文は、Macro-Geometric Structure FilteringとMicro-Geometric Scale Adaptationを組み合わせ、Geometric-Appearance Contrastive Distillation lossを用いて斜めのUAV視点と衛星リファレンスを橋渡しする幾何学に基づくクロスビュー地理位置特定フレームワーク、University-1652およびSU...

ABSTRACT

Cross-view geo-localization (CVGL) is pivotal for GNSS-denied UAV navigation but remains brittle under the drastic geometric misalignment between oblique aerial views and orthographic satellite references. Existing methods predominantly operate within a 2D manifold, neglecting the underlying 3D geometry where view-dependent vertical facades (macro-structure) and scale variations (micro-scale) severely corrupt feature alignment. To bridge this gap, we propose (MGS)$^2$, a geometry-grounded framework. The core of our innovation is the Macro-Geometric Structure Filtering (MGSF) module. Unlike pixel-wise matching sensitive to noise, MGSF leverages dilated geometric gradients to physically filter out high-frequency facade artifacts while enhancing the view-invariant horizontal plane, directly addressing the domain shift. To guarantee robust input for this structural filtering, we explicitly incorporate a Micro-Geometric Scale Adaptation (MGSA) module. MGSA utilizes depth priors to dynamically rectify scale discrepancies via multi-branch feature fusion. Furthermore, a Geometric-Appearance Contrastive Distillation (GACD) loss is designed to strictly discriminate against oblique occlusions. Extensive experiments demonstrate that (MGS)$^2$ achieves state-of-the-art performance, recording a Recall@1 of 97.5\% on University-1652 and 97.02\% on SUES-200. Furthermore, the framework exhibits superior cross-dataset generalization against geometric ambiguity. The code is available at: \href{https://github.com/GabrielLi1473/MGS-Net}{https://github.com/GabrielLi1473/MGS-Net}.

研究の動機と目的

• 斜めのUAV視点と正投影衛星参照の間の3D幾何ギャップをCVGLで橋渡しする。
• マクロおよびミクロの幾何情報を明示的にフィルタリング・整合させ、クロスビューの照合を改善する。
• 深度ガイド付きマルチスケール融合と幾何学認識損失により、スケールと視点変動を抑制する。
• データセット間で最先端の性能と一般化を示す。

提案手法

• 拡張地形勾配を計算してビュー依存の垂直ファサードアーティファクトを抑制し、水平面を強調するMacro-Geometric Structure Filtering (MGSF)。
• 深度事前知識を用いてマルチスケール特徴を動的に融合し、深度認識分岐を介してスケール不整合を修正するMicro-Geometric Scale Adaptation (MGSA)。
• MGSA内のDepth-Aware Scale Fusion (DASF) が近/中/遠のスケール分岐を作成し、深度埋込みからピクセル単位のスケール重みを学習する。
• 屋根と垂直ファサードのセマンティック活性化の間にマージンを課すGeometric-Appearance Contrastive Distillation (GACD) 損失を導入し、頑健な識別を促進する。
• MGSA、MGSF、GACDをエンドツーエンドの検索フレームワークに統合し、クロスビュー位置特定のための重み付きトリプレット損失を適用する。

実験結果

リサーチクエスチョン

• RQ1 斜めのUAV画像と衛星オルソ写真間のクロスビューの不整合を3Dマクロ幾何情報を明示的に活用して低減できるか。
• RQ2 深度ガイド付きミクロスケール適応と幾何認識フィルタリングは、CVGLにおけるスケールと視点変動への頑健性を向上させるか。
• RQ3 幾何中心の蒸留目的は、従来の深度回帰損失よりも斜めの遮蔽に対する識別性能を高めるか。
• RQ4 提案手法の異なるデータセットと高度シナリオにおける一般化と頑健性はどうか。

主な発見

Method	Publication	Drone → Satellite R@1	Drone → Satellite AP	Satellite → Drone R@1	Satellite → Drone AP
(MGS)² (Ours)	—	97.50	97.97	98.57	97.27

• (MGS)² は University-1652 で Recall@1 が最先端(97.50)、SUES-200 では Drone→Satellite 97.02、Satellite→Drone 100.00 を達成。
• Macro-Geometric Structure Filtering (MGSF) モジュールは垂直ファサードのアーティファクトを効果的に抑制し、視点不変の水平面を強化。
• 深度事前知識を持つMGSAは高度変化に対する頑健性を向上させ、SUES-200の4つの高度レベル(150–300m)で強力な性能を示す。
• GACD損失は幾何的一貫性（屋根状構造）を斜め遮蔽よりも強調するマージンを課し、ランク付け品質を向上。
• データセット横断一般化実験は大幅な転移性を示し、テクスチャより形状に焦点を当てることでDenseUAVのゼロショットベースラインを上回る。