Fugu-MT 論文翻訳(概要): Curved Buildings Reconstruction from Airborne LiDAR Data by Matching and Deforming Geometric Primitives

論文の概要: Curved Buildings Reconstruction from Airborne LiDAR Data by Matching and Deforming Geometric Primitives

arxiv url: http://arxiv.org/abs/2003.09934v1
Date: Sun, 22 Mar 2020 16:05:10 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 05:42:24.595583
Title: Curved Buildings Reconstruction from Airborne LiDAR Data by Matching and Deforming Geometric Primitives
Title（参考訳）: 幾何プリミティブのマッチングと変形による航空機lidarデータからの湾曲建築物の復元
Authors: Jingwei Song, Shaobo Xia, Jun Wang, Dong Chen
Abstract要約: 幾何学的プリミティブの組立と変形による湾曲した建物再建のための新しい枠組みを提案する。このフレームワークは、様々な都市で様々なLiDARによって収集されたいくつかの高い湾曲した建物で検証されている。
参考スコア（独自算出の注目度）: 13.777047260469677
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Airborne LiDAR (Light Detection and Ranging) data is widely applied in building reconstruction, with studies reporting success in typical buildings. However, the reconstruction of curved buildings remains an open research problem. To this end, we propose a new framework for curved building reconstruction via assembling and deforming geometric primitives. The input LiDAR point cloud are first converted into contours where individual buildings are identified. After recognizing geometric units (primitives) from building contours, we get initial models by matching basic geometric primitives to these primitives. To polish assembly models, we employ a warping field for model refinements. Specifically, an embedded deformation (ED) graph is constructed via downsampling the initial model. Then, the point-to-model displacements are minimized by adjusting node parameters in the ED graph based on our objective function. The presented framework is validated on several highly curved buildings collected by various LiDAR in different cities. The experimental results, as well as accuracy comparison, demonstrate the advantage and effectiveness of our method. {The new insight attributes to an efficient reconstruction manner.} Moreover, we prove that the primitive-based framework significantly reduces the data storage to 10-20 percent of classical mesh models.
Abstract（参考訳）: 大気中LiDAR(Light Detection and Ranging)データは、建物再建に広く応用されており、典型的な建物での成功を報告している。しかし、曲がりくねった建物の再建は未解決の研究課題である。そこで本研究では,幾何学的プリミティブの組立と変形による湾曲構造復元のための新しい枠組みを提案する。入力されたLiDAR点雲は、まず個々の建物を特定する輪郭に変換される。構造輪郭から幾何単位(原始体)を認識すると、基本的な幾何学的原始体とこれらの原始体をマッチングして初期モデルを得る。集合模型を磨くために, モデル改良のためにワーピング場を用いる。具体的には、初期モデルをダウンサンプリングすることで、埋め込み変形(ED)グラフを構築する。そして、対象関数に基づいてEDグラフのノードパラメータを調整することにより、ポイント・ツー・モデル変位を最小限に抑える。このフレームワークは、様々な都市で様々なLiDARが収集した高い湾曲した建物で検証されている。実験結果と精度比較は,本手法の利点と有効性を示すものである。 {新しい洞察は効率的な再構築方法に起因する。さらに,プリミティブベースのフレームワークにより,従来のメッシュモデルの10～20%にデータストレージを大幅に削減できることを示す。

関連論文リスト

Split-and-Fit: Learning B-Reps via Structure-Aware Voronoi Partitioning [50.684254969269546]
本稿では,3次元CADモデルのバウンダリ表現(B-Reps)を取得する新しい手法を提案する。各パーティション内に1つのプリミティブを導出するために空間分割を適用する。我々のネットワークはニューラルなボロノイ図でNVD-Netと呼ばれ、訓練データからCADモデルのボロノイ分割を効果的に学習できることを示す。
論文参考訳（メタデータ） (2024-06-07T21:07:49Z)
GeoWizard: Unleashing the Diffusion Priors for 3D Geometry Estimation from a Single Image [94.56927147492738]
単一画像から幾何学的属性を推定するための新しい生成基盤モデルであるGeoWizardを紹介する。拡散前処理の活用は,資源利用における一般化,詳細な保存,効率性を著しく向上させることが示唆された。本稿では,様々なシーンの複雑なデータ分布を,個別のサブディストリビューションに分離する,シンプルかつ効果的な戦略を提案する。
論文参考訳（メタデータ） (2024-03-18T17:50:41Z)
Point2Building: Reconstructing Buildings from Airborne LiDAR Point Clouds [23.897507889025817]
航空機搭載LiDAR点雲から3次元多角形メッシュとして建物を再構築するための学習的アプローチを提案する。このモデルでは, 点雲データから直接学習し, 誤差伝播を低減し, 再構成の忠実度を向上する。我々は,チューリッヒ,ベルリン,タリンの航空機搭載LiDARデータの収集について実験的に検証した。
論文参考訳（メタデータ） (2024-03-04T15:46:50Z)
Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
基礎モデルを用いた最先端UniDA手法の実証的研究を行った。 CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
論文参考訳（メタデータ） (2023-05-18T16:28:29Z)
Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
論文参考訳（メタデータ） (2023-05-03T13:45:40Z)
DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
論文参考訳（メタデータ） (2023-02-17T08:49:09Z)
BuildMapper: A Fully Learnable Framework for Vectorized Building Contour Extraction [3.862461804734488]
我々はBuildMapperという,エンドツーエンドで学習可能な最初のコントラスト抽出フレームワークを提案する。 BuildMapperは、人間がするのと同じように、直接かつ効率的にポリゴンを構築することができる。マスク平均精度(AP)とバウンダリAPはセグメンテーションベースと輪郭ベースの両方の手法よりも高い結果が得られることを示す。
論文参考訳（メタデータ） (2022-11-07T08:58:35Z)
Study of Manifold Geometry using Multiscale Non-Negative Kernel Graphs [32.40622753355266]
データの幾何学的構造を研究するための枠組みを提案する。我々は最近導入された非負のカーネル回帰グラフを用いて、点密度、固有次元、およびデータ多様体(曲率)の線型性を推定する。
論文参考訳（メタデータ） (2022-10-31T17:01:17Z)
Automated LoD-2 Model Reconstruction from Very-HighResolution Satellite-derived Digital Surface Model and Orthophoto [1.2691047660244335]
本稿では,LoD-2ビルディングモデルを「分解最適化最適化」パラダイムに従って再構成するモデル駆動手法を提案する。提案手法は,既存の手法に対するいくつかの技術的問題点に対処し,その有効性を実証した。
論文参考訳（メタデータ） (2021-09-08T19:03:09Z)
Holistic Parameteric Reconstruction of Building Models from Point Clouds [9.93322840476651]
本研究では,1つの建物全体の点雲を同時に考慮した総合的パラメトリック再構築手法を提案する。まず、よく設計されたディープニューラルネットワークを使用して、所定のビルディングポイントクラウド内のプリミティブを識別します。次に、セグメント化されたプリミティブのパラメータを同時に決定するために、全体最適化戦略を導入する。総合的な再現の質は、点表面距離0.08メートル、入力されたLiDAR点の0.7倍のRMSEである。
論文参考訳（メタデータ） (2020-05-19T05:42:23Z)
Learning Nonparametric Human Mesh Reconstruction from a Single Image without Ground Truth Meshes [56.27436157101251]
そこで本研究では,人間のメッシュ再構築を基礎となる真理メッシュを使わずに学習する手法を提案する。これはグラフ畳み込みニューラルネットワーク(Graph CNN)の損失関数に2つの新しい用語を導入することで実現される。
論文参考訳（メタデータ） (2020-02-28T20:30:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。