論文の概要: Seamless Satellite-image Synthesis

• arxiv url: http://arxiv.org/abs/2111.03384v1
• Date: Fri, 5 Nov 2021 10:42:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-08 19:26:30.007994
• Title: Seamless Satellite-image Synthesis
• Title（参考訳）: シームレス衛星画像合成
• Authors: Jialin Zhu and Tom Kelly
• Abstract要約: 2Dデータは安価で容易だが、正確な衛星画像は高価であり、しばしば利用できない、または時代遅れである。 我々のアプローチは、スケール空間を通して一貫した任意の範囲のシームレスなテクスチャである。
• 参考スコア（独自算出の注目度）: 1.3401746329218014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Seamless Satellite-image Synthesis (SSS), a novel neural architecture to create scale-and-space continuous satellite textures from cartographic data. While 2D map data is cheap and easily synthesized, accurate satellite imagery is expensive and often unavailable or out of date. Our approach generates seamless textures over arbitrarily large spatial extents which are consistent through scale-space. To overcome tile size limitations in image-to-image translation approaches, SSS learns to remove seams between tiled images in a semantically meaningful manner. Scale-space continuity is achieved by a hierarchy of networks conditioned on style and cartographic data. Our qualitative and quantitative evaluations show that our system improves over the state-of-the-art in several key areas. We show applications to texturing procedurally generation maps and interactive satellite image manipulation.
• Abstract（参考訳）: 地図データからスケール・アンド・スペース連続衛星テクスチャを作成する新しいニューラルネットワークであるSeamless Satellite-image Synthesis (SSS)を紹介する。 2dマップデータは安価で簡単に合成できるが、正確な衛星画像は高価であり、しばしば使用できない。 提案手法は,空間規模を任意に拡大してシームレスなテクスチャを生成する。 画像から画像への変換アプローチにおけるタイルサイズ制限を克服するために、SSSはタイル画像間の縫い目を意味的に意味のある方法で除去することを学ぶ。 スケールスペース連続性は、スタイルと地図データに基づくネットワーク階層によって達成される。 定性的かつ定量的な評価は,いくつかの重要な領域における最先端のシステムを改善することを示す。 本稿では,テキスト生成プロシージャ生成と対話型衛星画像操作への応用について述べる。

関連論文リスト

• Using Texture to Classify Forests Separately from Vegetation [0.0]
  本稿では,衛星画像データ中の森林領域を同定する静的アルゴリズムプロセスの初期提案について述べる。 そこで本研究では,分類および検証プロセスの精度向上のための次のステップについて述べる。
  論文  参考訳（メタデータ） (2024-05-01T00:48:55Z)
• Self-Supervision in Time for Satellite Images(S3-TSS): A novel method of SSL technique in Satellite images [0.38366697175402226]
  S3-TSSは,時間次元で発生する自然増進を生かした自己教師型学習手法である。 提案手法は,4つの下流データセットにおいて,ベースラインのSeCoよりも優れた性能を示すことができた。
  論文  参考訳（メタデータ） (2024-03-07T19:16:17Z)
• Sat2Scene: 3D Urban Scene Generation from Satellite Images with Diffusion [77.34078223594686]
  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)
• DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
  現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。 提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
  論文  参考訳（メタデータ） (2023-12-06T16:53:17Z)
• SSMG: Spatial-Semantic Map Guided Diffusion Model for Free-form Layout-to-Image Generation [68.42476385214785]
  本稿では,レイアウトから派生した特徴写像を用いた空間意味マップガイド(SSMG)拡散モデルを提案する。 SSMGは,従来の研究に比べて空間的,意味的な制御性に優れた生成品質を実現する。 また,RSA(Relation-Sensitive Attention)機構とLSA(Location-Sensitive Attention)機構を提案する。
  論文  参考訳（メタデータ） (2023-08-20T04:09:12Z)
• Sat2Density: Faithful Density Learning from Satellite-Ground Image Pairs [32.4349978810128]
  本稿では,衛星と地上画像のペアを用いた衛星画像の正確な3次元形状表現を開発することを目的とする。 そこで我々は,量的ニューラルレンダリングに使用される密度場表現からインスピレーションを得て,Sat2Densityと呼ばれる新しいアプローチを提案する。 本手法は,3次元シーンの忠実な密度場を幾何学的視点で学習するために,空と非スキー領域の地上パノラマの性質を利用する。
  論文  参考訳（メタデータ） (2023-03-26T10:15:33Z)
• Dual Pyramid Generative Adversarial Networks for Semantic Image Synthesis [94.76988562653845]
  セマンティック画像合成の目標は、セマンティックラベルマップからフォトリアリスティック画像を生成することである。 しかし、現在の最先端のアプローチは、さまざまなスケールで画像で現実的なオブジェクトを生成するのに依然として苦労している。 本研究では,空間適応型正規化ブロックの条件付けを各スケールで同時に学習するDual Pyramid Generative Adversarial Network (DP-GAN)を提案する。
  論文  参考訳（メタデータ） (2022-10-08T18:45:44Z)
• Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
  Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。 本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-05-24T23:29:04Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• Boundary Regularized Building Footprint Extraction From Satellite Images Using Deep Neural Network [6.371173732947292]
  本稿では,1つの衛星画像から構築事例を共同で検出し,ノイズの多い建物の境界形状を規則化する,新しいディープニューラルネットワークを提案する。 本モデルでは,オブジェクトの局所化,認識,セマンティックラベリング,幾何学的形状抽出を同時に行うことができる。
  論文  参考訳（メタデータ） (2020-06-23T17:24:09Z)

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。