論文の概要: Shadow Neural Radiance Fields for Multi-view Satellite Photogrammetry

• arxiv url: http://arxiv.org/abs/2104.09877v1
• Date: Tue, 20 Apr 2021 10:17:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 13:38:45.365575
• Title: Shadow Neural Radiance Fields for Multi-view Satellite Photogrammetry
• Title（参考訳）: マルチビュー衛星フォトグラフィーのためのシャドウニューラルラジアンス場
• Authors: Dawa Derksen, Dario Izzo
• Abstract要約: 本稿では,地球観測シーンの影認識型マルチビュー衛星光度測定法について述べる。 提案手法であるShadow Neural Radiance Field(S-NeRF)は,近年の暗黙的体積表現学習の進歩に追従する。 各シーンに対して、既知の視角から得られた高分解能光画像を用いてS-NeRFを訓練する。 学習はラベルや形状の事前を必要とせず、画像再構成損失によって自己管理される。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a new generic method for shadow-aware multi-view satellite photogrammetry of Earth Observation scenes. Our proposed method, the Shadow Neural Radiance Field (S-NeRF) follows recent advances in implicit volumetric representation learning. For each scene, we train S-NeRF using very high spatial resolution optical images taken from known viewing angles. The learning requires no labels or shape priors: it is self-supervised by an image reconstruction loss. To accommodate for changing light source conditions both from a directional light source (the Sun) and a diffuse light source (the sky), we extend the NeRF approach in two ways. First, direct illumination from the Sun is modeled via a local light source visibility field. Second, indirect illumination from a diffuse light source is learned as a non-local color field as a function of the position of the Sun. Quantitatively, the combination of these factors reduces the altitude and color errors in shaded areas, compared to NeRF. The S-NeRF methodology not only performs novel view synthesis and full 3D shape estimation, it also enables shadow detection, albedo synthesis, and transient object filtering, without any explicit shape supervision.
• Abstract（参考訳）: 我々は,地球観測シーンの影対応多視点衛星写真撮影のための新しい総合的手法を提案する。 提案手法であるシャドウニューラルレージアンス場(S-NeRF)は,暗黙の容積表現学習の最近の進歩に追随する。 各シーンに対して、既知の視角から得られた高分解能光画像を用いてS-NeRFを訓練する。 学習はラベルや形状の事前を必要とせず、画像再構成損失によって自己管理される。 指向性光源(太陽)と拡散性光源(天空)の両方からの光源条件の変化に対応するため、NeRFアプローチを2つの方法で拡張する。 まず、太陽からの直接照明は、局所光源可視領域を介してモデル化される。 第二に、拡散光源からの間接照明は、太陽の位置の関数として非局所色場として学習される。 定量的に、これらの因子の組み合わせは、日陰領域の高度と色誤差をNeRFと比較して減少させる。 S-NeRF法は、新しいビュー合成と完全な3次元形状推定を行うだけでなく、シャドー検出、アルベド合成、過渡的なオブジェクトフィルタリングを可能にする。

関連論文リスト

• BRDF-NeRF: Neural Radiance Fields with Optical Satellite Images and BRDF Modelling [0.0]
  本稿では,Rahman-Pinty-Verstraete (RPV) BRDFモデルを用いたBRDF-NeRFを提案する。 BRDF-NeRFは目に見えない角度から新しいビューを合成し、高品質なデジタル表面モデルを生成する。
  論文  参考訳（メタデータ） (2024-09-18T14:28:52Z)
• A Diffusion Approach to Radiance Field Relighting using Multi-Illumination Synthesis [6.883971329818549]
  単一照度データを用いた照度場作成手法を提案する。 光方向条件付き多照度データセット上で,まず2次元拡散モデルを微調整する。 単一照明下での合成および実マルチビューデータについて結果を示す。
  論文  参考訳（メタデータ） (2024-09-13T16:07:25Z)
• SUNDIAL: 3D Satellite Understanding through Direct, Ambient, and Complex Lighting Decomposition [17.660328148833134]
  SUNDIALは、ニューラルネットワークを用いた衛星画像の3次元再構成のための包括的アプローチである。 我々はこの単一モデルアプローチで衛星シーンの幾何学、照明成分、太陽方向を学習する。 衛星シーンモデリングのための既存のNeRF技術に対するSUNDIALの性能評価を行った。
  論文  参考訳（メタデータ） (2023-12-24T02:46:44Z)
• PlatoNeRF: 3D Reconstruction in Plato's Cave via Single-View Two-Bounce Lidar [25.332440946211236]
  単一視点からの3次元再構成は、単眼視からの曖昧さと閉鎖領域に関する情報の欠如により困難である。 単一光子アバランシェダイオードで捉えた飛行時間データを用いてこれらの制限を克服する。 我々は、制御された環境照明やシーンアルベドに頼らず、データの先行や依存なしに、可視・隠蔽幾何を再構築できることを実証した。
  論文  参考訳（メタデータ） (2023-12-21T18:59:53Z)
• Aleth-NeRF: Illumination Adaptive NeRF with Concealing Field Assumption [65.96818069005145]
  照明効果を考慮した「コンシーリング場」の概念を導入する。 暗黒のシナリオでは、物体の放出は標準的な照明レベルを維持するが、レンダリング中に空気を横切ると減衰する。 評価のために、難解な照明条件下で得られた総合的な多視点データセットを提案する。
  論文  参考訳（メタデータ） (2023-12-14T16:24:09Z)
• Multi-Space Neural Radiance Fields [74.46513422075438]
  既存のニューラルレージアンス場(NeRF)法は反射物体の存在に悩まされている。 並列部分空間における特徴場の群を用いてシーンを表現するマルチスペースニューラルレイディアンス場(MS-NeRF)を提案する。 提案手法は,高品質シーンのレンダリングにおいて,既存の単一空間NeRF法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-07T13:11:07Z)
• NeRF applied to satellite imagery for surface reconstruction [5.027411102165872]
  本稿では、最近導入されたシャドウニューラルレージアンスフィールド(S-NeRF)モデルの修正実装であるSurf-NeRFを提案する。 本手法は、画像中の光の変動を考慮しつつ、シーンの衛星画像の粗い集合から新規なビューを合成することができる。 トレーニングされたモデルは、しばしば衛星観測用途に望ましい量であるシーンの表面の標高を正確に推定するためにも使用できる。
  論文  参考訳（メタデータ） (2023-04-09T01:37:13Z)
• Aleth-NeRF: Low-light Condition View Synthesis with Concealing Fields [65.96818069005145]
  ビューアー中心のバニラNeRFは、表示方向の3D位置からの発光としてのみレンダリングプロセスを単純化する。 古代ギリシア人の排ガス理論に触発され、我々はバニラ・ネRFにわずかな修正を加え、低照度シーンの複数の視点で訓練した。 我々は、ボリュームレンダリングの段階で光の輸送を減らし、サロゲートの概念であるConcealing Fieldsを導入する。
  論文  参考訳（メタデータ） (2023-03-10T09:28:09Z)
• NeRFactor: Neural Factorization of Shape and Reflectance Under an Unknown Illumination [60.89737319987051]
  照明条件が不明な物体の多視点像から物体の形状と空間的反射率を復元する問題に対処する。 これにより、任意の環境照明下でのオブジェクトの新たなビューのレンダリングや、オブジェクトの材料特性の編集が可能になる。
  論文  参考訳（メタデータ） (2021-06-03T16:18:01Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• NeRF++: Analyzing and Improving Neural Radiance Fields [117.73411181186088]
  ニューラル・レージアンス・フィールド(NeRF)は、様々なキャプチャ設定のための印象的なビュー合成結果を達成する。 NeRFは、ビュー不変不透明度とビュー依存カラーボリュームを表す多層パーセプトロンを一連のトレーニング画像に適合させる。 大規模3次元シーンにおける物体の360度捕獲にNeRFを適用する際のパラメトリゼーション問題に対処する。
  論文  参考訳（メタデータ） (2020-10-15T03:24:14Z)

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。