論文の概要: Scalable Surface Water Mapping up to Fine-scale using Geometric Features of Water from Topographic Airborne LiDAR Data

• arxiv url: http://arxiv.org/abs/2301.06567v2
• Date: Wed, 16 Aug 2023 03:45:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-17 17:44:12.883380
• Title: Scalable Surface Water Mapping up to Fine-scale using Geometric Features of Water from Topographic Airborne LiDAR Data
• Title（参考訳）: 地形型LiDARデータによる水の幾何学的特徴を用いた微細な表面水マッピング
• Authors: Hunsoo Song, Jinha Jung
• Abstract要約: 可変反射特性ではなく, 水の幾何学的特性に着目した一意な手法を提案する。 この自然法則を接続性とともに活用することにより,小水域を精度良く同定することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite substantial technological advancements, the comprehensive mapping of surface water, particularly smaller bodies (<1ha), continues to be a challenge due to a lack of robust, scalable methods. Standard methods require either training labels or site-specific parameter tuning, which complicates automated mapping and introduces biases related to training data and parameters. The reliance on water's reflectance properties, including LiDAR intensity, further complicates the matter, as higher-resolution images inherently produce more noise. To mitigate these difficulties, we propose a unique method that focuses on the geometric characteristics of water instead of its variable reflectance properties. Unlike preceding approaches, our approach relies entirely on 3D coordinate observations from airborne LiDAR data, taking advantage of the principle that connected surface water remains flat due to gravity. By harnessing this natural law in conjunction with connectivity, our method can accurately and scalably identify small water bodies, eliminating the need for training labels or repetitive parameter tuning. Consequently, our approach enables the creation of comprehensive 3D topographic maps that include both water and terrain, all performed in an unsupervised manner using only airborne laser scanning data, potentially enhancing the process of generating reliable 3D topographic maps. We validated our method across extensive and diverse landscapes, while comparing it to highly competitive Normalized Difference Water Index (NDWI)-based methods and assessing it using a reference surface water map. In conclusion, our method offers a new approach to address persistent difficulties in robust, scalable surface water mapping and 3D topographic mapping, using solely airborne LiDAR data.
• Abstract（参考訳）: 技術的進歩にもかかわらず、表面水の包括的なマッピング、特に小さな物体(<1ha)は、堅牢でスケーラブルな方法が欠如しているため、依然として課題となっている。 標準手法では、自動マッピングを複雑にし、トレーニングデータやパラメータに関連するバイアスを導入する、トレーニングラベルまたはサイト固有のパラメータチューニングが必要である。 ライダー強度を含む水の反射特性への依存は、高分解能の画像が本質的によりノイズを生み出すため、さらに複雑になる。 これらの困難を緩和するため, 可変反射特性ではなく, 水の幾何学的特性に着目した一意な手法を提案する。 従来のアプローチとは異なり、このアプローチは空中lidarデータからの3次元座標観測に完全に依存しており、重力によって表面水が平らに保たれるという原理を生かしている。 この自然法則を接続性とともに活用することにより,小水域を精度よく同定し,ラベルのトレーニングや繰り返しパラメータチューニングの必要性を排除できる。 その結果,水面と地形の両方を含む包括的3次元地形図の作成が可能となり,航空レーザー走査データのみを用いて教師なしで実施でき,信頼性の高い3次元地形図の作成プロセスが向上する可能性が示唆された。 本手法を多種多様な景観で検証し,競争力の高い正規化差水指数(NDWI)法と比較し,基準表面水図を用いて評価した。 提案手法は, 大気中のLiDARデータのみを用いて, 堅牢でスケーラブルな表面水マッピングと3次元地形マッピングの持続的困難に対処するための新しいアプローチを提供する。

関連論文リスト

• GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
  GeoSplattingは、3DGSを明示的な幾何学的ガイダンスと微分可能なPBR方程式で拡張する新しいハイブリッド表現である。 多様なデータセットにわたる総合的な評価は、GeoSplattingの優位性を示している。
  論文  参考訳（メタデータ） (2024-10-31T17:57:07Z)
• Wave (from) Polarized Light Learning (WPLL) method: high resolution spatio-temporal measurements of water surface waves in laboratory setups [2.3599126081503177]
  本研究では,高分解能で表面標高と傾斜図を推定できる学習に基づく実験室実装のためのリモートセンシング手法を提案する。 この方法は、偏光強度から水面斜面を近似するディープニューラルネットワーク(DNN)モデルを用いる。 単純な波動列車で訓練を受けた後、WPLLは様々な波動場における水面と標高の高精度で正確な2次元再構成を行うことができる。
  論文  参考訳（メタデータ） (2024-10-19T05:37:44Z)
• Automatic occlusion removal from 3D maps for maritime situational awareness [1.7661845949769064]
  従来の3D再構築技術は、車や船などの動的物体が本当の環境を曖昧にする問題に直面することが多い。 提案手法は,3次元メッシュのテクスチャと幾何学を直接修正するために,インスタンスセグメンテーションや生成インペインティングなどのディープラーニング技術を活用する。 対象物を選択的にターゲットし、静的要素を保存することにより、幾何学的および視覚的精度を向上する。
  論文  参考訳（メタデータ） (2024-09-05T11:58:36Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
  ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。 この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
  論文  参考訳（メタデータ） (2024-03-15T14:35:05Z)
• Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping [51.739466714312805]
  ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。 ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
  論文  参考訳（メタデータ） (2024-01-06T12:32:25Z)
• 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)
• PaintHuman: Towards High-fidelity Text-to-3D Human Texturing via Denoised Score Distillation [89.09455618184239]
  テキスト・ツー・3D世代における最近の進歩は画期的なものである。 そこで我々はPaintHumanというモデルを提案し,その課題を2つの側面から解決する。 奥行きマップを手引きとして,現実的なセマンティックなテクスチャの整合性を保証する。
  論文  参考訳（メタデータ） (2023-10-14T00:37:16Z)
• GLH-Water: A Large-Scale Dataset for Global Surface Water Detection in Large-Size Very-High-Resolution Satellite Imagery [2.342488890032597]
  本稿では,250個の衛星画像と手動による表層水アノテーションからなるGLH-waterデータセットを提案する。 それぞれの画像サイズは12,800ドル(約12,800円)で、空間解像度0.3mの12,800ピクセル。 GLH-waterのベンチマークを構築するために,代表表面水検出モデル,一般的なセマンティックセグメンテーションモデル,超高分解能セグメンテーションモデルを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-03-16T13:35:56Z)
• Neuroevolution deep learning architecture search for estimation of river surface elevation from photogrammetric Digital Surface Models [0.0]
  機械学習を用いて、乱れたフォトグラムデータから水面上昇値(WSE)を抽出した。 データは、水文学、水文学、流体力学のモデルの検証と校正に使用することができ、水文学の予測をより正確にすることができる。
  論文  参考訳（メタデータ） (2021-12-22T11:25:23Z)

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。