Cross-View Time Dataset

世界的外观不仅因地而异，而且因时而异，因月而异。每天都有数十亿张图像捕捉到这种复杂的关系，其中许多都与精确的时间和位置元数据相关联。我们建议使用这些图像来构建视觉外观属性的全球尺度动态地图。这样的地图可以细粒度地了解任何地理位置和时间的预期外观。我们的方法将密集的开销图像与位置和时间元数据集成到一个能够映射各种视觉属性的通用框架中。我们方法的一个关键特征是它不需要手动数据注释。我们演示了这种方法如何支持各种应用程序，包括图像驱动的映射、图像地理定位和元数据验证。

The appearance of the world varies not only across different geographical locations, but also over time and from month to month. Billions of images are captured daily to document this complex spatiotemporal variability, with many paired with precise temporal and positional metadata. We propose to use these images to construct a global-scale dynamic map of visual appearance attributes. Such a map can provide fine-grained insights into the anticipated appearance for any given location and point in time. Our method integrates dense overhead imagery with positional and temporal metadata into a general framework capable of mapping a wide range of visual attributes. A critical feature of our approach is that it requires no manual data annotations. We demonstrate how this method supports a diverse set of applications, including image-driven mapping, image geolocation, and metadata validation.

搜集汇总

背景与挑战

背景概述

Cross-View Time Dataset是一个用于构建视觉外观属性全球尺度动态地图的数据集，集成了密集的开销图像与位置和时间元数据，支持图像驱动的映射、图像地理定位和元数据验证等应用。该数据集由肯塔基大学、迈阿密大学和DZYNE Technologies于2020年发布。