有研究團隊展示了一種創新的視覺位置識別技術Revisit Anything，只要輸入圖片，就能能識別出圖片中是在什麼地方。

谷歌街景地圖

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

這項技術結合了最新的 SAM（Segment Anything Model）和 DINO(Self-Distillation with No Labels)，旨在提升圖像段的檢索效果，從而實現更精確的地點重識別。

這項技術的核心在於圖分段的檢索能力，研究團隊使用了一系列數據集，包括 Baidu、VPAir、Pitts 和17places 等，提供了全面的測試基礎。爲了方便用戶使用，研究者建議大家從17places 這個較小的數據集開始，這樣可以快速上手。

在準備數據集時，用戶需要確保將數據集的文件夾名稱與配置文件中的名稱一致，確保數據能夠順利讀取。

接下來，用戶可以選擇使用 DINO 或 SAM 模型進行特徵提取，並生成 VLAD 聚類中心。值得注意的是，生成聚類中心的步驟是可選的，已有的中心可以直接從緩存中調用。完成特徵提取後，用戶需要提取 PCA 模型，然後運行主 SegVLAD 管道以獲取最終結果。所有結果都可以選擇保存，方便後續的離線檢索計算。

這項研究不僅提供了一種新的視覺位置識別方案，還展示瞭如何利用現代深度學習模型進行圖像分析，推動了該領域的進一步發展。

項目入口:https://github.com/AnyLoc/Revisit-Anything

劃重點:

🌟 該研究結合了 SAM 和 DINO 技術，推出了一種新穎的視覺位置識別方法。  

📊 用戶可通過特定的數據集準備和配置文件設置，快速上手並運行實驗。  

🔍 研究提供了詳細的步驟和腳本，幫助用戶實現 SegVLAD 的高效結果。