有研究团队展示了一种创新的视觉位置识别技术Revisit Anything，只要输入图片，就能能识别出图片中是在什么地方。
图源备注：图片由AI生成，图片授权服务商Midjourney
这项技术结合了最新的 SAM（Segment Anything Model）和 DINO(Self-Distillation with No Labels)，旨在提升图像段的检索效果，从而实现更精确的地点重识别。
这项技术的核心在于图分段的检索能力，研究团队使用了一系列数据集，包括 Baidu、VPAir、Pitts 和17places 等，提供了全面的测试基础。为了方便用户使用，研究者建议大家从17places 这个较小的数据集开始，这样可以快速上手。
在准备数据集时，用户需要确保将数据集的文件夹名称与配置文件中的名称一致，确保数据能够顺利读取。
接下来，用户可以选择使用 DINO 或 SAM 模型进行特征提取，并生成 VLAD 聚类中心。值得注意的是，生成聚类中心的步骤是可选的，已有的中心可以直接从缓存中调用。完成特征提取后，用户需要提取 PCA 模型，然后运行主 SegVLAD 管道以获取最终结果。所有结果都可以选择保存，方便后续的离线检索计算。
这项研究不仅提供了一种新的视觉位置识别方案，还展示了如何利用现代深度学习模型进行图像分析，推动了该领域的进一步发展。
项目入口:https://github.com/AnyLoc/Revisit-Anything
划重点:
🌟 该研究结合了 SAM 和 DINO 技术，推出了一种新颖的视觉位置识别方法。
📊 用户可通过特定的数据集准备和配置文件设置，快速上手并运行实验。
🔍 研究提供了详细的步骤和脚本，帮助用户实现 SegVLAD 的高效结果。