新算法可快速对街道照片定位 准确率高达97%

　　想象你在玩GeoGuessr：屏幕上是一栋普通的美国家庭住宅，前院修剪整齐，屋顶飘着国旗，但没有任何地标能告诉你它在哪个州。你唯一的线索，是一组从美国各地拍摄的四万多张低分辨率航拍图。你能找出这栋房子的位置吗？

　　也许你不能，但人工智能可以。来自中国石油大学的研究团队开发出一种全新的机器学习模型，它能在庞大的遥感影像数据库中搜索，与街景照片精确匹配的俯瞰图。不论是住宅、商铺还是工业建筑，它都能迅速定位。而它真正令人惊讶的地方，在于“又小又快”。

　　当模型接收到一张180度视野的街景图时，能在第一阶段以高达97%的准确率缩小定位范围，几乎与现有最强模型持平。而在最终精准定位时，它的正确率为82%，与最先进算法的差距不到3个百分点。

　　研究负责人Peng Ren解释，他们训练AI学会忽略视角差异，专注提取两张图片中相同的“关键地标”，再将这些特征转换成一种共享的数字语言。

　　这一方法被称为“深度交叉视图哈希”。它并非逐像素比对，而是将街景与卫星图像都转化为独特的数字编码——就像给每张图打上“指纹”。

　　为此，团队使用了名为“视觉Transformer”的深度学习模型。它把图像切割成小块，分析其中的模式，比如识别出高楼、圆形喷泉或交通环岛，然后将这些识别结果转化为一串数字。ChatGPT也是基于类似的架构，只不过它分析的是文字而非图像。

　　澳大利亚国立大学的Hongdong Li形容，这种编码就像图像的指纹。模型通过比较街景与数据库中所有航拍图的“指纹”，迅速找出最相似的前五张，再通过加权平均推算出最可能的位置。

　　相关成果发表在《IEEE地球科学与遥感汇刊》上。Li评价道，虽然这并非全新的理论，但在速度和内存效率上，它确实代表了实质性进步。

　　有些专家对此保持谨慎，比如华盛顿大学的Nathan Jacobs认为，这篇论文不算“划时代”。但Li持不同意见，他指出，这种基于哈希的方法让匹配速度提升数倍，而存储仅需35MB，相比下一个最小模型的104MB节省了近三分之二。

　　在实验中，该模型在美国产航拍数据库中匹配地面图像的平均耗时仅0.0013秒，而此前最快的模型需要0.005秒。换言之，它快了近四倍。

　　Ren表示，这种方法比传统的图像定位技术更高效。Li也认可其可信度，指出哈希技术确实是实现速度与紧凑性的成熟途径。

　　当然，要想让这种方法在真实环境中普及，还需要更多验证。Li指出，研究尚未充分考虑季节变化或云层遮挡等复杂因素。Ren回应称，未来可通过引入来自不同地区的图像，提升模型的稳健性。

　　展望未来，这项技术的潜力令人期待。它不仅能用于自动为老照片添加地理标签，更可在自动驾驶导航系统中充当“备用GPS”。当卫星信号失效时，这种AI能迅速通过周围建筑识别出所在位置。

　　Li认为，这项技术或许还能在五年内用于应急救援。

　　而在国防应用上，它的潜力更大。正如Jacobs所说，如果一张恐怖分子训练营的照片没有定位信息，如何在几秒内找到确切位置？这种新AI，也许就是答案。

（示意图）