该研究提出了一种综合外观和语义信息的新的2D VL定位方法，通过使用多模态线索生成稳健的嵌入向量，并利用场景的语义布局不变性，采用基于深度学习的注重注意力的框架来指导嵌入向量生成的过程。在三个本地化数据集上测试，平均提高了19％，并证明了语义信息和注意模块的贡献。

该研究提出了一种综合外观和语义信息的新的2D VL定位方法，通过利用场景的语义布局不变性和基于深度学习的注重注意力的框架，生成稳健的嵌入向量。在三个本地化数据集上测试，平均提高了19％。研究证明了语义信息和注意模块的贡献。