Fugu-MT 論文翻訳(概要): Combining visibility analysis and deep learning for refinement of semantic 3D building models by conflict classification

論文の概要: Combining visibility analysis and deep learning for refinement of semantic 3D building models by conflict classification

arxiv url: http://arxiv.org/abs/2303.05998v1
Date: Fri, 10 Mar 2023 16:01:30 GMT
ステータス: 処理完了
システム内更新日: 2023-03-13 14:34:46.228002
Title: Combining visibility analysis and deep learning for refinement of semantic 3D building models by conflict classification
Title（参考訳）: コンフリクト分類による意味的3次元ビルディングモデルの洗練のための可視化分析と深層学習の併用
Authors: Olaf Wysocki, Eleonora Grilli, Ludwig Hoegner, Uwe Stilla
Abstract要約: 本稿では,3次元モデルと窓とドアの特徴を統合化するための可視性解析とニューラルネットワークを組み合わせる手法を提案する。この方法では、占有するボクセルは分類された点雲で融合され、ボクセルに意味を与える。セマンティックボクセルとコンフリクトはベイズネットワークに組み合わされ、3Dモデルライブラリを用いて再構成されたファサード開口の分類と記述を行う。
参考スコア（独自算出の注目度）: 3.2662392450935416
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Semantic 3D building models are widely available and used in numerous applications. Such 3D building models display rich semantics but no fa\c{c}ade openings, chiefly owing to their aerial acquisition techniques. Hence, refining models' fa\c{c}ades using dense, street-level, terrestrial point clouds seems a promising strategy. In this paper, we propose a method of combining visibility analysis and neural networks for enriching 3D models with window and door features. In the method, occupancy voxels are fused with classified point clouds, which provides semantics to voxels. Voxels are also used to identify conflicts between laser observations and 3D models. The semantic voxels and conflicts are combined in a Bayesian network to classify and delineate fa\c{c}ade openings, which are reconstructed using a 3D model library. Unaffected building semantics is preserved while the updated one is added, thereby upgrading the building model to LoD3. Moreover, Bayesian network results are back-projected onto point clouds to improve points' classification accuracy. We tested our method on a municipal CityGML LoD2 repository and the open point cloud datasets: TUM-MLS-2016 and TUM-FA\c{C}ADE. Validation results revealed that the method improves the accuracy of point cloud semantic segmentation and upgrades buildings with fa\c{c}ade elements. The method can be applied to enhance the accuracy of urban simulations and facilitate the development of semantic segmentation algorithms.
Abstract（参考訳）: セマンティック3Dビルディングモデルは広く利用でき、多くのアプリケーションで利用されている。このような3Dビルディングモデルは、リッチなセマンティクスを示すが、fa\c{c}adeの開口部はない。したがって、密集したストリートレベル、地上の点雲を用いた精錬モデルのfa\c{c}adeは有望な戦略である。本稿では,3次元モデルと窓とドアの特徴を融合した可視化分析とニューラルネットワークを組み合わせる手法を提案する。この方法では、占有するボクセルは分類された点雲で融合され、ボクセルに意味を与える。ボクセルはレーザー観測と3Dモデルの間の衝突を識別するためにも用いられる。セマンティックボクセルとコンフリクトはベイズネットワークに組み合わされ、3Dモデルライブラリを用いて再構成されたfa\c{c}adeオープニングの分類とデライン化を行う。影響のないビルディングセマンティクスは更新された建物を追加している間に保存され、それによってビルディングモデルをLoD3にアップグレードする。さらに、ベイジアンネットワークの結果は点の分類精度を改善するために点雲に逆投影される。我々は,自治体のLoD2リポジトリとオープンポイントクラウドデータセットであるTUM-MLS-2016とTUM-FA\c{C}ADEでテストを行った。検証結果から,本手法はポイントクラウドセマンティックセグメンテーションの精度を向上し,fa\c{c}ade要素を持つ建物をアップグレードすることがわかった。本手法は,都市シミュレーションの精度を高め,セマンティックセグメンテーションアルゴリズムの開発を容易にする。

関連論文リスト

Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
論文参考訳（メタデータ） (2024-07-26T06:29:09Z)
Leveraging Large-Scale Pretrained Vision Foundation Models for Label-Efficient 3D Point Cloud Segmentation [67.07112533415116]
本稿では3Dポイントクラウドセグメンテーションタスクに様々な基礎モデルを適用する新しいフレームワークを提案する。我々のアプローチでは、異なる大きな視覚モデルを用いて2次元セマンティックマスクの初期予測を行う。本研究では,ロバストな3Dセマンティックな擬似ラベルを生成するために,投票による全ての結果を効果的に組み合わせたセマンティックなラベル融合戦略を提案する。
論文参考訳（メタデータ） (2023-11-03T15:41:15Z)
Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文参考訳（メタデータ） (2023-09-26T08:03:10Z)
Scan2LoD3: Reconstructing semantic 3D building models at LoD3 using ray casting and Bayesian networks [40.7734793392562]
詳細レベル(LoD)3でセマンティックな3Dビルディングモデルを再構築することは、長年にわたる課題である。セマンティックなLoD3構築モデルを正確に再構築する新しい手法であるScan2LoD3を提案する。提案手法は,LoD3における確率駆動型セマンティック3次元再構成の開発を促進できると考えている。
論文参考訳（メタデータ） (2023-05-10T17:01:18Z)
StarNet: Style-Aware 3D Point Cloud Generation [82.30389817015877]
StarNetは、マッピングネットワークを使用して高忠実度および3Dポイントクラウドを再構築し、生成することができる。我々のフレームワークは、クラウドの再構築と生成タスクにおいて、様々なメトリクスで同等の最先端のパフォーマンスを達成します。
論文参考訳（メタデータ） (2023-03-28T08:21:44Z)
Elevation Estimation-Driven Building 3D Reconstruction from Single-View Remote Sensing Imagery [20.001807614214922]
リモートセンシング画像からの3D再構築は、スマートシティやフォトグラムなどの分野に幅広い応用がある。入力単視点リモートセンシング画像から3次元ビルディングモデルを再構築するための効率的なDSM推定駆動再構築フレームワーク(Building3D)を提案する。我々のビル3Dは高度予測のためのSFFDEネットワークに根ざし、マスク構築のためのビル抽出ネットワークと同期し、点雲再構成、表面再構成(シティGMLモデル再構成)を順次実施する。
論文参考訳（メタデータ） (2023-01-11T17:20:30Z)
CAGroup3D: Class-Aware Grouping for 3D Object Detection on Point Clouds [55.44204039410225]
本稿では,CAGroup3Dという新しい2段階完全スパース3Dオブジェクト検出フレームワークを提案する。提案手法は,まず,オブジェクト表面のボクセル上でのクラス認識型局所群戦略を活用することによって,高品質な3D提案を生成する。不正なボクセルワイドセグメンテーションにより欠落したボクセルの特徴を回復するために,完全にスパースな畳み込み型RoIプールモジュールを構築した。
論文参考訳（メタデータ） (2022-10-09T13:38:48Z)
Flow-based GAN for 3D Point Cloud Generation from a Single Image [16.04710129379503]
本稿では,任意の解像度の点群をサンプリングするためのフローベース明示的生成モデルを継承する,ハイブリッドな明示的生成モデルを提案する。大規模合成データセットShapeNetについて評価し,提案手法の優れた性能を示す実験結果を得た。
論文参考訳（メタデータ） (2022-10-08T17:58:20Z)
3DVerifier: Efficient Robustness Verification for 3D Point Cloud Models [17.487852393066458]
既存のポイントクラウドモデルの検証手法は,大規模ネットワーク上で時間的・計算的に実現不可能である。本稿では,2つの問題に対処する3DVerifierを提案し,線形緩和関数を適用して乗算層を結合し,前方と後方の伝搬を結合する。提案手法は,大規模ネットワークにおける検証効率のオーダー・オブ・マグニチュード向上を実現し,得られた認証境界も最先端の検証器よりもかなり厳密である。
論文参考訳（メタデータ） (2022-07-15T15:31:16Z)
Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-12T06:25:11Z)
Translational Symmetry-Aware Facade Parsing for 3D Building Reconstruction [11.263458202880038]
本稿では,深部ニューラルネットワーク改善のための新しい翻訳対称性に基づくアプローチを提案する。本研究では,単一段ネットワークにおけるアンカーフリー検出を融合させる新しい手法を提案する。我々はBlenderのような市販のレンダリングエンジンを使用して、手続きモデルを用いて現実的な高品質な3Dモデルを再構築する。
論文参考訳（メタデータ） (2021-06-02T03:10:51Z)

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。