الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
تهدف التوطين الجغرافي عبر الرؤية (CVGL) إلى تقدير المواقع الجغرافية عن طريق مطابقة الصور التي تم التقاطها من نقاط النظر المختلفة، مثل الرؤى الروسية والقمر الصناعي. تعتمد الأساليب الحالية بشكل رئيسي على التمثيلات المرئية، ولكن غالبًا ما تفتقر إلى نموذج مشترك للتوافقات الهيكلية الضيقة والسوابق التعريفية، مما يجعلها عرضة للخلط بين المناطق المماثلة بصريًا ولكنها مختلفة من الناحية التعريفية، وبالتالي تقيد الصمود في ظل اختلافات وجهة النظر الكبيرة. لمواجهة هذه التحديات، نقترح \textbf{S$^3$Geo}، إطار تعليمي متزامن بين الهيكل والمعنى للتطابق عبر الرؤية. على وجه التحديد، قمنا أولاً بإدخال وحدة تجمع الاستفسارات المفصلة (DQP) لاستخراج مجموعة صغيرة من الميزات ذات الوعي بالمنطقة من الرموز الكثيفة، مما يتيح نموذج صريح للأنماط الهيكلية المحلية. بعد ذلك نصمم مخططًا للتعلم المتناقض على مستوى الاستفسار مع صيغة مثالية تستند إلى النقل (OT) لتحديد المراسلات الناعمة تحت التخطيط الفضائي عبر الرؤية. وبالإضافة إلى ذلك، فإننا ندمج استراتيجية تمزيق المعرفة التفصيلية (SKD) من معلم CLIP المجمد لنقل الأسبقيات التفسيلية والهياكل العلاقية، وبالتالي تحسين التمييز على السلبيات الصعبة. من خلال التشغيل بالتزامن، توفر السباقات النطاقية تصفية سياقية قوية، والتي تقود الوحدة الهيكلية لتحديد المواصفات الفضائية الدقيقة. تظهر التجارب على مجموعات بيانات الجامعة-1652 و SUES-200 أن \textbf{S$^3$Geo} تتفوق باستمرار على النهج الحديثة دون زيادة تعقيد الاستنتاج، مما يؤكد فعالية نمذجة المعلومات الهيكلية والرمزية بشكل مشترك ل CVGL.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Mo, Z., Zhang, H., Tan, H., Li, L., & Wei, J. (2026). S$^3$جيو: التعلم المزامن بين الهيكل والمعنى للتعريف الجغرافي عبر الرؤية. https://omanscience.com/ar/articles/s-3-geo-structure-semantic-synergistic-learning-for-cross-view-geo-localization
MLA 9
Mo, Ziqian, et al. "S$^3$جيو: التعلم المزامن بين الهيكل والمعنى للتعريف الجغرافي عبر الرؤية." https://omanscience.com/ar/articles/s-3-geo-structure-semantic-synergistic-learning-for-cross-view-geo-localization.
شيكاغو (المؤلف–التاريخ)
Mo, Ziqian, Hill Zhang, Haosheng Tan, Ling Li, and Jiaheng Wei. 2026. "S$^3$جيو: التعلم المزامن بين الهيكل والمعنى للتعريف الجغرافي عبر الرؤية." https://omanscience.com/ar/articles/s-3-geo-structure-semantic-synergistic-learning-for-cross-view-geo-localization.
هارفارد
Mo, Z., Zhang, H., Tan, H., Li, L. and Wei, J. (2026) 'S$^3$جيو: التعلم المزامن بين الهيكل والمعنى للتعريف الجغرافي عبر الرؤية', Available at: https://omanscience.com/ar/articles/s-3-geo-structure-semantic-synergistic-learning-for-cross-view-geo-localization.
فانكوفر
Mo Z, Zhang H, Tan H, Li L, Wei J. S$^3$جيو: التعلم المزامن بين الهيكل والمعنى للتعريف الجغرافي عبر الرؤية. https://omanscience.com/ar/articles/s-3-geo-structure-semantic-synergistic-learning-for-cross-view-geo-localization
IEEE
Z. Mo, H. Zhang, H. Tan, L. Li, and J. Wei, "S$^3$جيو: التعلم المزامن بين الهيكل والمعنى للتعريف الجغرافي عبر الرؤية," https://omanscience.com/ar/articles/s-3-geo-structure-semantic-synergistic-learning-for-cross-view-geo-localization.