具有深度感知的森林中的视觉位置识别 蒸馏

由于重复的植被、薄弱的结构线索以及遍历过程中显着的外观变化，天然森林环境中的视觉地点识别仍然具有挑战性。为了解决这一限制，本文提出了一种轻量级深度感知 蒸馏 框架，该框架将几何线索注入基于 DINOv2 的地点识别模型，同时保持其预先训练的描述符空间。根据最近的 WildCross 基准进行评估，所提出的方法比仅外观的对应方法产生了收益，为外观变化提供了鲁棒性。这些结果证明了深度作为自然环境中地点识别的强大补充方式的重要性，并将深度感知 蒸馏 确定为更强大的森林感知的有希望的方向。