Proceedings of the International scientific and practical conference ―Cambridge Science and Education Conference‖ (May 15-17, 2026) / Publisher website: www.naukainfo.com. - Cambridge, United Kingdom, 2026. - 429 p.

129 Hard negative sampling є практичним способом навчати cross-view модель саме тій задачі, яка виникає під час реальної локалізації: відрізняти правильне місце від дуже схожих неправильних. Найбільш доцільним є поєднання contrastive learning, географічно контрольованого відбору негативів і візуального mining. Це дозволяє підвищити якість пошуку координат без тупого нарощування розміру моделі, що важливо для автономних платформ та edge- пристроїв. СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ: 1. Durgam A., Paheding S., Dhiman V., Devabhaktuni V. Cross-view geo- localization: a survey. IEEE Access . 2024. URL: https://arxiv.org/abs/2406.09722. DOI: 10.1109/ACCESS.2024.3507280. 2. Goforth H., Lucey S. GPS-Denied UAV Localization using Pre-existing Satellite Imagery. Proceedings of the IEEE International Conference on Robotics and Automation . 2019. P. 2974-2980. DOI: 10.1109/ICRA.2019.8793558. 3. Oord A. van den, Li Y., Vinyals O. Representation Learning with Contrastive Predictive Coding. arXiv preprint . 2018. URL: https://arxiv.org/abs/1807.03748. 4. Deuser F., Habel K., Oswald N. Sample4Geo: Hard Negative Sampling for Cross-View Geo-Localisation. Proceedings of the IEEE/CVF International Conference on Computer Vision . 2023. P. 16837-16846. DOI: 10.1109/ICCV51070.2023.01545. 5. Xu W., Yao Y., Cao J., Wei Z., Liu C., Wang J., Peng M. UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization. arXiv preprint . 2024. URL: https://arxiv.org/abs/2405.11936.