論文の概要: Automated LoD-2 Model Reconstruction from Very-HighResolution
Satellite-derived Digital Surface Model and Orthophoto
- arxiv url: http://arxiv.org/abs/2109.03876v1
- Date: Wed, 8 Sep 2021 19:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-10 14:16:35.137529
- Title: Automated LoD-2 Model Reconstruction from Very-HighResolution
Satellite-derived Digital Surface Model and Orthophoto
- Title（参考訳）: 超高分解能衛星からのデジタル表面モデルとオルソフォトによるLoD-2自動再構成
- Authors: Shengxi Gui, Rongjun Qin
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a model-driven method that reconstructs LoD-2
building models following a "decomposition-optimization-fitting" paradigm. The
proposed method starts building detection results through a deep learning-based
detector and vectorizes individual segments into polygons using a "three-step"
polygon extraction method, followed by a novel grid-based decomposition method
that decomposes the complex and irregularly shaped building polygons to tightly
combined elementary building rectangles ready to fit elementary building
models. We have optionally introduced OpenStreetMap (OSM) and Graph-Cut (GC)
labeling to further refine the orientation of 2D building rectangle. The 3D
modeling step takes building-specific parameters such as hip lines, as well as
non-rigid and regularized transformations to optimize the flexibility for using
a minimal set of elementary models. Finally, roof type of building models s
refined and adjacent building models in one building segment are merged into
the complex polygonal model. Our proposed method has addressed a few technical
caveats over existing methods, resulting in practically high-quality results,
based on our evaluation and comparative study on a diverse set of experimental
datasets of cities with different urban patterns.
- Abstract（参考訳）: 本稿では,lod-2構築モデルを構築するためのモデル駆動手法を提案する。
提案手法は, 深層学習に基づく検出器を用いて検出結果を構築し, 個々のセグメントを「3段階」ポリゴン抽出法を用いてポリゴンにベクトル化する。
任意にOpenStreetMap (OSM) と Graph-Cut (GC) のラベルを導入し、2Dビルディング矩形の配向をさらに改善した。
3dモデリングのステップでは、ヒップラインなどのビル固有のパラメータと、最小の基本モデルセットを使用する柔軟性を最適化するための非リギッドおよび正規化変換が採用されている。
最後に、1つの建物セグメントにおける屋根型建物モデルと隣接する建物モデルとを複合多角形モデルにマージする。
提案手法は, 都市パターンの異なる都市を対象とした多種多様な実験データセットによる評価と比較研究に基づいて, 従来手法に対するいくつかの技術的問題点に対処した。
関連論文リスト
- GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳（メタデータ） (2024-03-15T12:24:36Z) - 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) - HiT: Building Mapping with Hierarchical Transformers [43.31497052507252]
階層変換器を用いた簡易かつ斬新な建物マッピング手法HiTを提案する。
HiTは、分類とバウンディングボックス回帰ヘッドに平行なポリゴンヘッドを追加することによって、2段階検出アーキテクチャの上に構築される。
本手法は, 最先端手法と比較して, 事例分割と多角形メトリクスの両面において, 新たな最先端化を実現している。
論文 参考訳（メタデータ） (2023-09-18T10:24:25Z) - 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) - Learning to Generate 3D Representations of Building Roofs Using
Single-View Aerial Imagery [68.3565370706598]
本研究では,空撮画像から建物屋根メッシュの条件分布を学習するための新しいパイプラインを提案する。
同一物体の複数の画像を必要とする代替手法とは違って,本手法では,一つの画像のみを用いて予測を行う3次元屋根メッシュを推定できる。
論文 参考訳（メタデータ） (2023-03-20T15:47:05Z) - Neural Template: Topology-aware Reconstruction and Disentangled
Generation of 3D Meshes [52.038346313823524]
本稿では,Distangled Topologyによる3次元メッシュ再構成と生成のためのDTNetという新しいフレームワークを提案する。
提案手法は,最先端の手法と比較して,特に多様なトポロジで高品質なメッシュを生成することができる。
論文 参考訳（メタデータ） (2022-06-10T08:32:57Z) - AutoPoly: Predicting a Polygonal Mesh Construction Sequence from a
Silhouette Image [17.915067368873018]
AutoPolyはシルエット画像から多角形メッシュ構築シーケンスを生成するハイブリッド手法である。
提案手法はトポロジを修正できるが,最近提案された微分可能レンダリングを用いた逆形状推定法は固定トポロジのみを処理できる。
論文 参考訳（メタデータ） (2022-03-29T04:48:47Z) - Reconstructing Compact Building Models from Point Clouds Using Deep
Implicit Fields [4.683612295430956]
我々は点雲からコンパクトで水密な多角形建築モデルを再構築するための新しい枠組みを提案する。
合成および実世界の点雲の両方の実験により、我々の神経誘導戦略により、高品質な建築モデルは、忠実性、コンパクト性、計算効率において大きな利点をもって得られることが実証された。
論文 参考訳（メタデータ） (2021-12-24T21:32:32Z) - An End-to-End Framework for Molecular Conformation Generation via
Bilevel Programming [71.82571553927619]
分子コンフォメーション予測のためのエンドツーエンドソリューションであるconfvaeを提案する。
具体的には、まず分子グラフを潜時空間に符号化し、3次元構造は原理化された二段階最適化プログラムを解くことによって生成される。
論文 参考訳（メタデータ） (2021-05-15T15:22:29Z) - Sparse-data based 3D surface reconstruction with vector matching [4.471370467116141]
正規ベクトルマッチングと第1次および第2次全変分正規化器を組み合わせた新しいモデルが提案されている。
拡張ラグランジアンに基づく高速アルゴリズムも提案されている。
論文 参考訳（メタデータ） (2020-09-28T00:36:49Z) - Monocular Human Pose and Shape Reconstruction using Part Differentiable
Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。
本稿では,ボディセグメンテーションを重要な監視対象として紹介する。
部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文 参考訳（メタデータ） (2020-03-24T14:25:46Z)
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。