論文の概要: Urban Surface Reconstruction in SAR Tomography by Graph-Cuts
- arxiv url: http://arxiv.org/abs/2103.07202v1
- Date: Fri, 12 Mar 2021 10:53:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-15 13:22:35.793967
- Title: Urban Surface Reconstruction in SAR Tomography by Graph-Cuts
- Title(参考訳): グラフカットによるSARトモグラフィの都市表面再構成
- Authors: Cl\'ement Rambour, Lo\"ic Denis, Florence Tupin, H\'el\`ene Oriot, Yue
Huang, Laurent Ferro-Famil
- Abstract要約: TerraSAR-Xのような高解像度の衛星は、3Dモデルを作成するために組み合わせられる画像を提供する。
本稿では,フローネットワークにおける最適カットの計算に基づく表面分割アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 10.225842719918965
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: SAR (Synthetic Aperture Radar) tomography reconstructs 3-D volumes from
stacks of SAR images. High-resolution satellites such as TerraSAR-X provide
images that can be combined to produce 3-D models. In urban areas, sparsity
priors are generally enforced during the tomographic inversion process in order
to retrieve the location of scatterers seen within a given radar resolution
cell. However, such priors often miss parts of the urban surfaces. Those
missing parts are typically regions of flat areas such as ground or rooftops.
This paper introduces a surface segmentation algorithm based on the computation
of the optimal cut in a flow network. This segmentation process can be included
within the 3-D reconstruction framework in order to improve the recovery of
urban surfaces. Illustrations on a TerraSAR-X tomographic dataset demonstrate
the potential of the approach to produce a 3-D model of urban surfaces such as
ground, fa\c{c}ades and rooftops.
- Abstract(参考訳): SAR(Synthetic Aperture Radar)トモグラフィは,SAR画像のスタックから3次元ボリュームを再構成する。
TerraSAR-Xのような高解像度の衛星は、3Dモデルを作成するために組み合わせられる画像を提供する。
都市部では、所与のレーダー分解能セル内で見られる散乱器の位置を取得するために、トモグラフィ反転プロセス中にスパーシティ優先度が一般に強制される。
しかし、このような先例はしばしば都市表面の一部を見逃す。
欠落した部分は通常、地上や屋上などの平坦な地域である。
本稿では,フローネットワークにおける最適カットの計算に基づく表面分割アルゴリズムを提案する。
このセグメンテーションプロセスは、都市表面の回復を改善するために、3次元再構築フレームワークに含めることができる。
TerraSAR-Xトモグラフィデータセットのイラストレーションは、地上、fa\c{c}アーケード、屋上などの都市表面の3次元モデルを作成するアプローチの可能性を示しています。
関連論文リスト
- Sat2Scene: 3D Urban Scene Generation from Satellite Images with
Diffusion [82.97474530980999]
本稿では,3次元スパース表現に拡散モデルを導入し,それらをニューラルレンダリング技術と組み合わせることで,直接3次元シーン生成のための新しいアーキテクチャを提案する。
具体的には、まず3次元拡散モデルを用いて、所定の幾何学の点レベルのテクスチャ色を生成し、次にフィードフォワード方式でシーン表現に変換する。
2つの都市規模データセットを用いた実験により,衛星画像から写真リアルなストリートビュー画像シーケンスとクロスビュー都市シーンを生成する能力を示した。
論文 参考訳(メタデータ) (2024-01-19T16:15:37Z) - NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。
提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
論文 参考訳(メタデータ) (2023-12-07T19:30:55Z) - NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting
Guidance [59.08521048003009]
本稿では,3次元ガウススプラッティングから高精細な表面を復元する神経暗黙的表面再構成パイプラインを提案する。
3Dガウススプラッティングの利点は、詳細な構造を持つ高密度の点雲を生成することができることである。
我々は3次元ガウスを極端に薄くすることで、表面に近い中心を引っ張るスケール正則化器を導入する。
論文 参考訳(メタデータ) (2023-12-01T07:04:47Z) - GS-IR: 3D Gaussian Splatting for Inverse Rendering [76.32477514781684]
3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。
我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。
フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
論文 参考訳(メタデータ) (2023-11-26T02:35:09Z) - Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid
Representation and Normal Prior Enhancement [53.10080345190996]
多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。
近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。
本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
論文 参考訳(メタデータ) (2023-09-14T12:05:29Z) - High Quality Large-Scale 3-D Urban Mapping with Multi-Master TomoSAR [18.7734351067417]
本研究は,超小型スタックで動作する新しいSARトモグラフィ処理フレームワークを提案する。
相対的な高さの精度は2メートル以内であり、TandEM-Xの生のDEMより優れている。
論文 参考訳(メタデータ) (2023-05-08T08:29:21Z) - Urban Radiance Fields [77.43604458481637]
本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。
提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。
これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
論文 参考訳(メタデータ) (2021-11-29T15:58:16Z) - Cumulative Assessment for Urban 3D Modeling [0.8155575318208631]
衛星画像からの都市3Dモデリングには、都市の特徴を記述するための正確なセマンティックセグメンテーション、表面高さの3D再構成のための複数のビューステレオ、正確な表面傾斜を持つコンパクトなモデルを作成するための3Dモデルフィッティングが必要である。
本稿では,各コンポーネントの誤りコントリビューションを簡潔にキャプチャする累積評価指標を提案する。
論文 参考訳(メタデータ) (2021-07-09T18:29:50Z) - Mesh Reconstruction from Aerial Images for Outdoor Terrain Mapping Using
Joint 2D-3D Learning [12.741811850885309]
本稿では,無人航空機から得られた頭上画像を用いて,屋外地形のマッピングを行う。
飛行中の航空画像からの深度推定は困難です。
各カメラの局所メッシュを再構成する2d-3d学習手法を共同開発し,地球環境モデルとして構築する。
論文 参考訳(メタデータ) (2021-01-06T02:09:03Z) - Photometric Multi-View Mesh Refinement for High-Resolution Satellite
Images [24.245977127434212]
最先端の復元手法は一般的に2.5次元の標高データを生成する。
マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
論文 参考訳(メタデータ) (2020-05-10T20:37:54Z)
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。