ECCV 2026｜国防科大AirZoo：将全球3D地图转化为无人机训练场，构建航拍几何3D视觉统一基准

现有视觉基础模型在地面场景表现良好，但无人机航拍面临视角、尺度和环境的剧烈变化，导致模型迁移困难。现有UAV数据集要么缺乏几何监督，要么仅覆盖少量手工场景，难以支撑序列级几何学习。

AirZoo的核心思路是将全球尺度的真实地理场景、可控无人机运动和像素级几何监督整合到自动化管线中。基于AirSim、Cesium和Unreal Engine，从WGS84航点生成飞行轨迹，同步渲染RGB、米制深度和6-DoF位姿，输出连续30fps的轨迹级数据。

数据覆盖六大洲22个国家，95条基础序列与377条气象轨迹，累计飞行约2400公里，高度0-800米，俯仰角10°-90°，模拟晴、阴、雨、雾、雪及昼夜条件。

AirZoo为每帧提供针孔相机内参及WGS84/ECEF双坐标系6-DoF位姿。邻帧双向重投影检查显示中位相对深度误差低于0.1%。团队在AirZoo中复现真实DJI视频的视点，合成视图与真实航拍在布局、尺度和纹理上高度可比。

团队发布AirZoo-Real真实评测集，覆盖长沙等城市与乡村场景、不同昼夜时段，并提供RTK精确定位，用于检验算法在真实环境中的性能。

在航拍图像检索任务中，使用AirZoo微调MegaLoc后，在AirZoo-Real上R@1从6.46%提升至18.66%，R@5从22.16%提升至50.53%。定性结果显示，微调后模型在复杂视角和光照下更稳定地检索到正确区域。

在跨视角匹配任务中，微调RoMa后中位误差降至3.03米，acc@5m达79.78%。匹配点更均匀分布在道路、建筑等静态结构上，错误对应明显减少。

在多视图3D重建中，微调Depth Anything 3在AirZoo-Test上F1从54.10提升至86.09；微调VGGT在UrbanScene3D上F1从43.38提升至52.61。重建结果更完整，伪影更少。

AirZoo将全球可扩展仿真、像素级几何真值和三任务统一评测整合为无人机空间智能平台。实验表明，大规模、多样化且带精确几何监督的合成数据能有效推动视觉基础模型向真实无人机任务迁移。

团队未来将继续扩展数据规模与真实基准覆盖范围，推动航拍几何3D视觉在智慧城市、应急测绘和无人系统等场景中的落地。