MegaLoc: Un único sistema de recuperación para ubicarlos a todos

MegaLoc: One Retrieval to Place Them All

February 24, 2025

Autores: Gabriele Berton, Carlo Masone

cs.AI

Resumen

Recuperar imágenes de la misma ubicación que una consulta dada es un componente importante de múltiples tareas de visión por computadora, como el Reconocimiento Visual de Lugares, la Recuperación de Puntos de Referencia, la Localización Visual, la Reconstrucción 3D y SLAM. Sin embargo, las soluciones existentes están diseñadas para funcionar específicamente en una de estas tareas y se sabe que fallan cuando los requisitos cambian ligeramente o cuando se enfrentan a datos fuera de distribución. En este artículo, combinamos una variedad de métodos existentes, técnicas de entrenamiento y conjuntos de datos para entrenar un modelo de recuperación, llamado MegaLoc, que es eficaz en múltiples tareas. Descubrimos que MegaLoc (1) alcanza el estado del arte en un gran número de conjuntos de datos de Reconocimiento Visual de Lugares, (2) obtiene resultados impresionantes en conjuntos de datos comunes de Recuperación de Puntos de Referencia, y (3) establece un nuevo estado del arte para la Localización Visual en los conjuntos de datos LaMAR, donde solo modificamos el método de recuperación en la tubería de localización existente. El código de MegaLoc está disponible en https://github.com/gmberton/MegaLoc.

English

Retrieving images from the same location as a given query is an important component of multiple computer vision tasks, like Visual Place Recognition, Landmark Retrieval, Visual Localization, 3D reconstruction, and SLAM. However, existing solutions are built to specifically work for one of these tasks, and are known to fail when the requirements slightly change or when they meet out-of-distribution data. In this paper we combine a variety of existing methods, training techniques, and datasets to train a retrieval model, called MegaLoc, that is performant on multiple tasks. We find that MegaLoc (1) achieves state of the art on a large number of Visual Place Recognition datasets, (2) impressive results on common Landmark Retrieval datasets, and (3) sets a new state of the art for Visual Localization on the LaMAR datasets, where we only changed the retrieval method to the existing localization pipeline. The code for MegaLoc is available at https://github.com/gmberton/MegaLoc