拓扑感知的集成通信、传感与能量传输技术，用于多用户SAGIN系统

《IEEE Journal on Selected Areas in Communications》：Topology-Aware Integrated Communication, Sensing, and Power Transfer for Multi-User SAGIN

　　

摘要：

跨视图地理定位旨在建立从不同视角拍摄的同一场景图像之间的匹配关系。然而，显著的视角差异可能导致某些视觉信息在各个视图中的有效性降低，而复杂的场景结构会导致与检索相关的特征分散，这些因素共同给地理定位带来了重大挑战。为了解决这些问题，现有方法通常依赖于基于对齐的策略来减少视角差异并在检索过程中抑制无关信息。尽管如此，这些方法在处理多样化场景时的泛化能力通常有限，且往往无法有效处理复杂的视觉场景。为了充分利用有效的视觉信息，我们提出了一种以视觉为中心的新方法，称为“聚焦区域排除学习”（Focused Region Exclusion Learning，简称FREL）。该方法采用主分支和辅助分支两种类型，其中辅助分支以主分支中的关注区域为引导，并积极探索这些区域之外的补充线索，从而揭示主分支忽略的具有区分性的视觉信息，增强学习到的特征的多样性和鲁棒性。为了实现分支间视觉注意力的动态调节，我们提出了一个基于热图的掩码过滤模块。此外，还引入了交叉引导学习损失机制，以促进不同分支之间的有效特征融合。在CVUSA、CAACT、VIGOR和University-1652四个基准数据集上的实验结果表明，所提出的方法具有很强的数据集适用性，并在这些基准测试中始终优于现有的最先进方法。