Xin Li

该工作提出 RIM（Retrieval-In-Matching）框架，通过从 Google 3D Tiles 渲染多位置、多高度、多朝向的无人机视角参考影像，并用姿态邻近正样本与地理远距难负样本两阶段适配 SALAD 检索器、再以局部几何一致性重排 Top-K 候选，同时冻结适配后的 DINOv2-B 检索器、从其 token 场与浅层 VGG19 细节流蒸馏出局部描述子解码器，使单次查询侧 DINOv2-B 前向同时支撑 SALAD 检索与局部描述；在重建的 EPFL Urbanscape 与自采集 Chang'an Park 两个与训练数据地理不相交的数据集上零样本评测，RIM 优于十个检索基线，在 25/50 m 全 3D 距离度量下 Recall@

该工作提出 RIM（Retrieval-In-Matching）框架，通过从 Google 3D Tiles 渲染多位置、多高度、多朝向的无人机视角参考影像，并用姿态邻近正样本与地理远距难负样本两阶段适配 SALAD 检索器、再以局部几何一致性重排 Top-K 候选，同时冻结适配后的 DINOv2-B 检索器、从其 token 场与浅层 VGG19 细节流蒸馏出局部描述子解码器，使单次查询侧 DINOv2-B 前向同时支撑 SALAD 检索与局部描述；在重建的 EPFL Urbanscape 与自采集 Chang'an Park 两个与训练数据地理不相交的数据集上零样本评测，RIM 优于十个检索基线，在 25/50 m 全 3D 距离度量下 Recall@