본 논문은 드론의 정확한 위치 확인을 위한 드론 뷰 지리적 위치 확인(DVGL) 방법으로, 기존의 지도학습 기반 방법들의 한계점인 주석 비용과 제한된 전이성을 극복하기 위해 자기 지도 학습 기반의 새로운 end-to-end 방법인 DMNIL(dynamic memory-driven and neighborhood information learning)을 제안합니다. DMNIL은 클러스터링 알고리즘을 이용하여 의사 레이블을 생성하고, 이중 경로 대조 학습 프레임워크를 통해 차별적인 관점 내 표현을 학습합니다. 또한, 단기 및 장기 메모리를 결합하여 관점 내 특징 일관성 및 차별성을 향상시키는 DHML(dynamic hierarchical memory learning) 모듈과, 이웃 기반 동적 제약 메커니즘을 이용하여 암묵적인 관점 간 의미 상관 관계를 포착하여 관점 간 특징 정렬을 개선하는 ICEL(information consistency evolution learning) 모듈을 포함합니다. 의사 레이블 개선 전략을 통해 자기 지도 학습 과정을 안정화하고 강화하여, 세 개의 공개 벤치마크 데이터셋에서 기존의 자기 지도 학습 방법 및 여러 최첨단 지도 학습 방법을 능가하는 성능을 보입니다.
