SCC-Loc：UAVサーマル・ジオローカライゼーションのための統一型セマンティック・カスケード・コンセンサス・フレームワーク

要旨：クロスモーダル・サーマル・ジオローカライゼーション（TG）は、Global Navigation Satellite System（GNSS）が使用できない環境において、無人航空機（UAV）に対する堅牢で全天候型のソリューションを提供する。しかし、熱画像と可視画像の間に大きなモダリティギャップが存在すると、特徴の曖昧さが深刻化し、従来の粗から精へ（coarse-to-fine）による登録処理を体系的に破壊してしまう。このボトルネックを解消するために、本研究では統合型のセマンティック・ケスケード・コンセンサス・ローカライゼーションフレームワークであるSCC-Locを提案する。グローバルな検索とMINIMA_{\text{RoMa}}のマッチングの両方で単一のDINOv2バックボーンを共有することで、メモリ使用量を最小化し、ゼロショットで非常に高精度な絶対位置推定を実現する。具体的には、3つの結束したコンポーネントによってモダリティの曖昧さに取り組む。第一に、セマンティック誘導ビューポート整合（SGVA）モジュールを設計し、衛星の切り出し領域を適応的に最適化することで、初期の空間的ズレを効果的に補正する。第二に、カスケード化された空間適応型テクスチャ・ストラクチャ・フィルタリング（C-SATSF）機構を開発し、幾何学的整合性を明示的に強制することで、密なクロスモーダル外れ値を根絶する。最後に、物理的制約を課した姿勢最適化の相乗効果によって、最適解を導出するための、コンセンサス駆動・信頼性認識型ポジション選択（CD-RAPS）戦略を提案する。データ不足に対処するために、大規模衛星オルソフォトと、それに空間的に整合したデジタル表層モデル（DSM）を参照した、11,890件の多様な熱クエリを提供する包括的データセットThermal-UAVを構築する。広範な実験により、SCC-Locが新たな最先端を確立し、平均ローカライゼーション誤差を9.37 mに抑え、最強のベースラインに対して厳格な5-mしきい値内で7.6倍の精度向上を達成することが示される。コードとデータセットは https://github.com/FloralHercules/SCC-Loc で利用可能である。