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
- Multi-view 3D surface reconstruction from SAR images by inverse rendering [4.964816143841665]
本稿では,制約のない合成開口レーダ(SAR)画像から3次元再構成を行うための新しい逆レンダリング手法を提案する。
本手法は,SAR画像における幾何学的不均一性を利用する可能性を示し,マルチセンサデータ融合の道を開く。
論文 参考訳（メタデータ） (2025-02-14T13:19:32Z) - CoSurfGS:Collaborative 3D Surface Gaussian Splatting with Distributed Learning for Large Scene Reconstruction [68.81212850946318]
大規模表面再構成のための分散学習に基づく多エージェント協調高速3DGS表面再構成フレームワークを提案する。
具体的には,局所モデル圧縮(LMC)とモデルアグリゲーションスキーム(MAS)を開発し,大規模シーンの高品質な表面表現を実現する。
提案手法は高速でスケーラブルな高忠実表面再構成とフォトリアリスティックレンダリングを実現する。
論文 参考訳（メタデータ） (2024-12-23T14:31:15Z) - Tortho-Gaussian: Splatting True Digital Orthophoto Maps [12.796166971391774]
真のデジタルオルソフォトマップ(TDOM)は、デジタル双生児と地理情報システム(GIS)にとって不可欠な製品である
伝統的に、TDOM生成は、様々な課題のために悪化する可能性のある、伝統的なフォトグラムプロセスの複雑なセットを含む。
Tortho-Gaussianは3次元ガウススティング(3DGS)にインスパイアされた新しい手法で、最適化された異方性ガウスカーネルのスティングによってDOMを生成する。
論文 参考訳（メタデータ） (2024-11-29T10:22:38Z) - GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。
本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
論文 参考訳（メタデータ） (2024-11-29T03:54:54Z) - GSurf: 3D Reconstruction via Signed Distance Fields with Direct Gaussian Supervision [3.2944910942497985]
マルチビュー画像からの表面再構成は3次元視覚における中核的な課題である。
近年, ニューラル・レージアンス・フィールド(NeRF)内のサイン付き距離場(SDF)を探索し, 高忠実な表面再構成を実現している。
本稿では,ガウス原始体から直接符号付き距離場を学習する新しいエンドツーエンド手法であるGSurfを紹介する。
GSurfは、VolSDFやNeuSといったニューラルな暗黙的表面法に匹敵する3D再構成品質を提供しながら、高速なトレーニングとレンダリングの速度を達成する。
論文 参考訳（メタデータ） (2024-11-24T05:55:19Z) - GigaGS: Scaling up Planar-Based 3D Gaussians for Large Scene Surface Reconstruction [71.08607897266045]
3D Gaussian Splatting (3DGS) は新規なビュー合成において有望な性能を示した。
本研究は,大規模な景観表面再構築の課題に取り組むための最初の試みである。
3DGSを用いた大規模シーンのための高品質な表面再構成手法であるGigaGSを提案する。
論文 参考訳（メタデータ） (2024-09-10T17:51:39Z) - 3D Gaussian Splatting for Large-scale Surface Reconstruction from Aerial Images [6.076999957937232]
AGS(Aerial Gaussian Splatting)という,空中多視点ステレオ(MVS)画像を用いた3DGSによる大規模表面再構成手法を提案する。
まず,大規模空中画像に適したデータチャンキング手法を提案する。
次に,レイ・ガウス断面積法を3DGSに統合し,深度情報と正規情報を得る。
論文 参考訳（メタデータ） (2024-08-31T08:17:24Z) - RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。
本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。
提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
論文 参考訳（メタデータ） (2024-06-14T07:54:25Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - 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)
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。