该论文介绍了一种新方法，通过学习场景图中每个节点的嵌入，实现了在多模式参考地图中定位输入图像的目标。该方法比其他跨模态方法更高效，并且在使用图像时性能相当，同时存储效率和运行速度都有显著提升。