AdaptVPR: Route-Aware Hard Positive Generation for Robust Visual Place Recognition

📄 arXiv: 2609.04369v1 📥 PDF

作者: Shunpeng Chen, Jingyi Zhang, Changwei Wang, Shengpeng Xu, Yukun Song, Xingtian Pei, Jinzhou Lin, Li Guo, Shibiao Xu

分类: cs.CV

发布日期: 2026-09-03

备注: 18 pages, 9 figures, 9 tables

🔗 代码/项目: GITHUB

💡 一句话要点

提出AdaptVPR以解决视觉位置识别中的鲁棒性问题

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)

关键词: 视觉位置识别 生成增强 路径感知 鲁棒性提升 动态遮挡 外观多样性 深度学习 计算机视觉

📋 核心要点

  1. 现有的视觉位置识别方法在面对光照、天气等领域转移时鲁棒性不足，导致识别性能下降。
  2. 本文提出AdaptVPR框架，通过生成相同地点的困难正样本，增强训练数据的外观多样性，从而提高VPR的鲁棒性。
  3. 实验结果显示，AdaptVPR在标准基准测试中取得了最高9.2%的R@1提升，显著改善了在挑战性领域转移下的表现。

📝 摘要（中文）

视觉位置识别（VPR）通过检索数据库中相同或相邻地点的图像来定位查询图像，但其鲁棒性常因光照、天气、季节变化和动态遮挡等领域转移而降低。现有训练数据中相同地点的外观多样性有限是一个重要因素。为了解决这一问题，本文提出了AdaptVPR，一个基于路径感知的生成增强框架，用于构建相同地点的困难正样本以增强VPR训练。该框架通过视觉语言模型解析场景属性并评估编辑可行性，利用基于规则的调度器根据可编辑性评分和风险约束确定生成路径。生成过程分为三个互补路径，分别引入全球场景变化、插入动态遮挡物以及结合两者以产生更具挑战性的外观变化。实验表明，该方法在多个VPR基线和视觉基础模型上均取得了显著提升。

🔬 方法详解

问题定义：本文旨在解决视觉位置识别（VPR）中的鲁棒性问题，尤其是在光照、天气和动态遮挡等领域转移情况下，现有方法因外观多样性不足而表现不佳。

核心思路：AdaptVPR框架通过生成相同地点的困难正样本，利用视觉语言模型解析场景属性并评估编辑可行性，从而增强训练数据的多样性。

技术框架：该框架包括三个主要模块：全球外观路径、局部遮挡路径和双路径。全球外观路径引入天气和光照变化，局部遮挡路径插入动态遮挡物，而双路径结合两者以产生更复杂的外观变化。

关键创新：AdaptVPR的创新在于其路径感知的生成策略，通过评估可编辑性和风险约束，确保生成样本的多样性和有效性，显著降低结构漂移风险。

关键设计：在生成过程中，全球候选样本一经生成即进行验证，若未通过则被拒绝；局部遮挡和双路径候选样本则根据验证反馈进行有限的提示优化和再生成。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，AdaptVPR在多个VPR基线和视觉基础模型上均取得了显著提升，R@1的提升幅度最高达到9.2%，在面对挑战性领域转移时表现尤为突出。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶、机器人导航和增强现实等场景，能够有效提升系统在复杂环境中的位置识别能力，具有重要的实际价值和未来影响。

📄 摘要（原文）

Visual Place Recognition (VPR) localizes a query image by retrieving database images of the same or nearby place, yet its robustness is often degraded by domain shifts arising from illumination, weather, seasonal changes, and dynamic occlusions. One contributing factor is the limited appearance diversity of the same place in existing training data. To address this issue, we propose AdaptVPR, a route-aware generative augmentation framework that constructs same-place hard positives for robust VPR training. AdaptVPR first uses a vision language model to parse scene attributes and estimate editing feasibility, while a rule-based scheduler determines the generation route according to editability scores and risk constraints. The generation process is decomposed into three complementary routes: the Global Appearance Route introduces global scene changes in weather, illumination, and time of day; the Local Occlusion Route inserts plausible dynamic occluders; and the Dual Route combines both types of perturbations to produce more challenging appearance shifts. Each generated candidate is evaluated using a VPR-oriented verification scheme based on geometric consistency and appearance diversity, reducing the risk of structural drift while ensuring sufficient appearance variation. Global candidates are generated once and rejected if verification fails, while Local Occlusion and Dual candidates use verification feedback for limited prompt refinement and regeneration. Using this framework, we construct AdaptCities, containing 160K verified synthetic same-place hard positives. Experiments across multiple VPR baselines and vision foundation backbones show consistent gains on standard benchmarks and substantial improvements under challenging domain shifts, with R@1 gains of up to 9.2%. The source code and data resources are publicly available at https://github.com/chenshunpeng/AdaptVPR.