一张图实现街道级定位，端到端图像地理定位大模型AdressCLIP登ECCV2024

文章预览

AddressCLIP项目组 投稿 量子位 | 公众号 QbitAI 拔草星人的好消息来啦！ 中科院自动化所和阿里云一起推出了街景定位大模型，只要一张照片就能实现街道级精度的定位。 有了模型的帮助，再也不用害怕遇到种草“谜语人”了。 比如给模型看一张旧金山的街景之后，它直接给出了具体的拍摄位置，并列举了附近的多个候选地址。 该模型名为AddressCLIP，基于CLIP构建。 ‍ 相关论文AddressCLIP: Empowering Vision-Language Models for City-wide Image Address Localization 已入选顶会ECCV2024。 传统的图像位置识别往往致力于以图像检索的方式来确定图像的GPS坐标，这种方法称为图像地理定位。 但GPS对于普通人来说晦涩难懂，并且图像检索需要建立并维护一个庞大的数据库，难以本地化部署。 本篇工作提出了更加用户友好的，端到端的图像地理定位任务。二者的对比示意图如下： ………………………………