Buchumschlag

Img2Loc: Revisiting Image Geolocalization using Multi-modality Foundation Models and Image-based Retrieval-Augmented Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Zhongliang, Zhang, Jielu, Guan, Zihan, Hu, Mengxuan, Lao, Ni, Mu, Lan, Li, Sheng, Mai, Gengchen
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Text2Seg: Remote Sensing Image Semantic Segmentation via Text-Guided Visual Foundation Models
von: Zhang, Jielu, et al.
Veröffentlicht: (2023)

LocDiff: Identifying Locations on Earth by Diffusing in the Hilbert Space
von: Wang, Zhangyu, et al.
Veröffentlicht: (2025)

Enhanced Diagnostic Performance via Large-Resolution Inference Optimization for Pathology Foundation Models
von: Hu, Mengxuan, et al.
Veröffentlicht: (2026)

BalancEdit: Dynamically Balancing the Generality-Locality Trade-off in Multi-modal Model Editing
von: Guo, Dongliang, et al.
Veröffentlicht: (2025)

MC-GTA: Metric-Constrained Model-Based Clustering using Goodness-of-fit Tests with Autocorrelations
von: Wang, Zhangyu, et al.
Veröffentlicht: (2024)

No Free Lunch: Retrieval-Augmented Generation Undermines Fairness in LLMs, Even for Vigilant Users
von: Hu, Mengxuan, et al.
Veröffentlicht: (2024)

GAIR: Location-Aware Self-Supervised Contrastive Pre-Training with Geo-Aligned Implicit Representations
von: Liu, Zeping, et al.
Veröffentlicht: (2025)

TorchSpatial: A Location Encoding Framework and Benchmark for Spatial Representation Learning
von: Wu, Nemin, et al.
Veröffentlicht: (2024)

CurriculumLoc: Enhancing Cross-Domain Geolocalization through Multi-Stage Refinement
von: Hu, Boni, et al.
Veröffentlicht: (2023)

UFID: A Unified Framework for Input-level Backdoor Detection on Diffusion Models
von: Guan, Zihan, et al.
Veröffentlicht: (2024)

ImLoc: Revisiting Visual Localization with Image-based Representation
von: Jiang, Xudong, et al.
Veröffentlicht: (2026)

Benign Samples Matter! Fine-tuning On Outlier Benign Samples Severely Breaks Safety
von: Guan, Zihan, et al.
Veröffentlicht: (2025)

GeoLocSFT: Efficient Visual Geolocation via Supervised Fine-Tuning of Multimodal Foundation Models
von: Yi, Qiang, et al.
Veröffentlicht: (2025)

Provably Secure Retrieval-Augmented Generation
von: Zhou, Pengcheng, et al.
Veröffentlicht: (2025)

HierLoc: Hyperbolic Entity Embeddings for Hierarchical Visual Geolocation
von: Gadi, Hari Krishna, et al.
Veröffentlicht: (2026)

Multi-modal Retrieval Augmented Multi-modal Generation: Datasets, Evaluation Metrics and Strong Baselines
von: Ma, Zi-Ao, et al.
Veröffentlicht: (2024)

ProxyImg: Towards Highly-Controllable Image Representation via Hierarchical Disentangled Proxy Embedding
von: Chen, Ye, et al.
Veröffentlicht: (2026)

ImgTrojan: Jailbreaking Vision-Language Models with ONE Image
von: Tao, Xijia, et al.
Veröffentlicht: (2024)

ImgEdit: A Unified Image Editing Dataset and Benchmark
von: Ye, Yang, et al.
Veröffentlicht: (2025)

Spatial-RAG: Spatial Retrieval Augmented Generation for Real-World Geospatial Reasoning Questions
von: Yu, Dazhou, et al.
Veröffentlicht: (2025)

ManuRAG: Multi-modal Retrieval Augmented Generation for Manufacturing Question Answering (Early Version)
von: Li, Yunqing, et al.
Veröffentlicht: (2026)

Feature-Augmented Deep Networks for Multiscale Building Segmentation in High-Resolution UAV and Satellite Imagery
von: Maniyar, Chintan B., et al.
Veröffentlicht: (2025)

Image Quality Assessment: Exploring Regional Heterogeneity via Response of Adaptive Multiple Quality Factors in Dictionary Space
von: Lan, Xuting, et al.
Veröffentlicht: (2024)

Backdoor in Seconds: Unlocking Vulnerabilities in Large Pre-trained Models via Model Editing
von: Guo, Dongliang, et al.
Veröffentlicht: (2024)

AesExpert: Towards Multi-modality Foundation Model for Image Aesthetics Perception
von: Huang, Yipo, et al.
Veröffentlicht: (2024)

GeoSearch: Augmenting Worldwide Geolocalization with Web-Scale Reverse Image Search and Image Matching
von: Le-Duc, Tung-Duong, et al.
Veröffentlicht: (2026)

TRAJGANR: Trajectory-Centric Urban Multimodal Learning via Geospatially Aligned Neural Representations
von: Siampou, Maria Despoina, et al.
Veröffentlicht: (2026)

PIGEON: Predicting Image Geolocations
von: Haas, Lukas, et al.
Veröffentlicht: (2023)

Image Quality Assessment: Exploring Quality Awareness via Memory-driven Distortion Patterns Matching
von: Lan, Xuting, et al.
Veröffentlicht: (2026)

Img2CADSeq: Image-to-CAD Generation via Sequence-Based Diffusion
von: Tan, Shiyu, et al.
Veröffentlicht: (2026)

Cross-View Geolocalization and Disaster Mapping with Street-View and VHR Satellite Imagery: A Case Study of Hurricane IAN
von: Li, Hao, et al.
Veröffentlicht: (2024)

Cross-modal RAG: Sub-dimensional Text-to-Image Retrieval-Augmented Generation
von: Zhu, Mengdan, et al.
Veröffentlicht: (2025)

Revisit Large-Scale Image-Caption Data in Pre-training Multimodal Foundation Models
von: Lai, Zhengfeng, et al.
Veröffentlicht: (2024)

Retrieval Augmented Image Harmonization
von: Wang, Haolin, et al.
Veröffentlicht: (2024)

Quantitative Phase Imaging for Meta‐Lenses by Phase Retrieval
von: Jialuo Cheng, et al.
Veröffentlicht: (2025)

Neural Architecture Search generated Phase Retrieval Net for Real-time Off-axis Quantitative Phase Imaging
von: Shu, Xin, et al.
Veröffentlicht: (2022)

3DProxyImg: Controllable 3D-Aware Animation Synthesis from Single Image via 2D-3D Aligned Proxy Embedding
von: Zhu, Yupeng, et al.
Veröffentlicht: (2025)

Multi-modal Reference Learning for Fine-grained Text-to-Image Retrieval
von: Ma, Zehong, et al.
Veröffentlicht: (2025)

6Img-to-3D: Few-Image Large-Scale Outdoor Driving Scene Reconstruction
von: Gieruc, Théo, et al.
Veröffentlicht: (2024)

GPT-ImgEval: A Comprehensive Benchmark for Diagnosing GPT4o in Image Generation
von: Yan, Zhiyuan, et al.
Veröffentlicht: (2025)