論文の概要: Scan2LoD3: Reconstructing semantic 3D building models at LoD3 using ray casting and Bayesian networks

• arxiv url: http://arxiv.org/abs/2305.06314v1
• Date: Wed, 10 May 2023 17:01:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 12:05:43.761519
• Title: Scan2LoD3: Reconstructing semantic 3D building models at LoD3 using ray casting and Bayesian networks
• Title（参考訳）: Scan2LoD3: レイキャストとベイズネットワークを用いたLoD3におけるセマンティック3Dビルディングモデルの構築
• Authors: Olaf Wysocki, Yan Xia, Magdalena Wysocki, Eleonora Grilli, Ludwig Hoegner, Daniel Cremers, Uwe Stilla
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.7734793392562
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing semantic 3D building models at the level of detail (LoD) 3 is a long-standing challenge. Unlike mesh-based models, they require watertight geometry and object-wise semantics at the fa\c{c}ade level. The principal challenge of such demanding semantic 3D reconstruction is reliable fa\c{c}ade-level semantic segmentation of 3D input data. We present a novel method, called Scan2LoD3, that accurately reconstructs semantic LoD3 building models by improving fa\c{c}ade-level semantic 3D segmentation. To this end, we leverage laser physics and 3D building model priors to probabilistically identify model conflicts. These probabilistic physical conflicts propose locations of model openings: Their final semantics and shapes are inferred in a Bayesian network fusing multimodal probabilistic maps of conflicts, 3D point clouds, and 2D images. To fulfill demanding LoD3 requirements, we use the estimated shapes to cut openings in 3D building priors and fit semantic 3D objects from a library of fa\c{c}ade objects. Extensive experiments on the TUM city campus datasets demonstrate the superior performance of the proposed Scan2LoD3 over the state-of-the-art methods in fa\c{c}ade-level detection, semantic segmentation, and LoD3 building model reconstruction. We believe our method can foster the development of probability-driven semantic 3D reconstruction at LoD3 since not only the high-definition reconstruction but also reconstruction confidence becomes pivotal for various applications such as autonomous driving and urban simulations.
• Abstract（参考訳）: 詳細レベル(lod)3でのセマンティック3dビルディングモデルの再構築は、長年の課題です。 メッシュベースのモデルとは異なり、これらは水密な幾何学と、fa\c{c}adeレベルでのオブジェクトワイドセマンティクスを必要とする。 このようなセマンティックな3D再構成を求める主な課題は、3D入力データのfa\c{c}adeレベルのセマンティックセマンティックセグメンテーションである。 本稿では,fa\c{c}adeレベルのセマンティック3Dセグメンテーションを改良し,セマンティックなLoD3ビルディングモデルを正確に再構築する,Scan2LoD3という新しい手法を提案する。 この目的のために、我々はレーザー物理と3d構築モデルを利用して、モデルの衝突を確率論的に識別する。 それらの最終的な意味論と形状は、衝突の多重モーダル確率的写像、3d点雲、および2d画像を用いてベイズネットワークで推測される。 要求されるLoD3要求を満たすために、推定形状を用いて3Dビルディング先行の開口を切断し、fa\c{c}adeオブジェクトのライブラリからセマンティック3Dオブジェクトを適合させる。 TUMのキャンパスデータセットに対する大規模な実験は、fa\c{c}adeレベルの検出、セマンティックセグメンテーション、LoD3ビルディングモデル再構築における最先端の手法よりも、提案したScan2LoD3の優れた性能を示す。 提案手法は, 高精細化だけでなく, 自律運転や都市シミュレーションなどの様々な応用において, 高精細化が重要となるため, LoD3における確率駆動型セマンティック3次元再構築の開発を促進できると考えている。

関連論文リスト

• Improving 2D Feature Representations by 3D-Aware Fine-Tuning [17.01280751430423]
  現在の視覚基礎モデルは、構造化されていない2Dデータに基づいて純粋に訓練されている。 3次元認識データの微調整により,出現するセマンティックな特徴の質が向上することを示す。
  論文  参考訳（メタデータ） (2024-07-29T17:59:21Z)
• GSD: View-Guided Gaussian Splatting Diffusion for 3D Reconstruction [52.04103235260539]
  単一視点からの3次元オブジェクト再構成のためのガウススプティング表現に基づく拡散モデル手法を提案する。 モデルはGS楕円体の集合で表される3Dオブジェクトを生成することを学習する。 最終的な再構成されたオブジェクトは、高品質な3D構造とテクスチャを持ち、任意のビューで効率的にレンダリングできる。
  論文  参考訳（メタデータ） (2024-07-05T03:43:08Z)
• Combining visibility analysis and deep learning for refinement of semantic 3D building models by conflict classification [3.2662392450935416]
  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。
  論文  参考訳（メタデータ） (2023-03-10T16:01:30Z)
• MobileBrick: Building LEGO for 3D Reconstruction on Mobile Devices [78.20154723650333]
  高品質な3次元地下構造は3次元物体再構成評価に不可欠である。 本稿では,モバイルデバイスを用いた新しいマルチビューRGBDデータセットを提案する。 我々は,ハイエンド3Dスキャナーを使わずに,精密な3次元地下構造が得られる。
  論文  参考訳（メタデータ） (2023-03-03T14:02:50Z)
• 3D Shape Reconstruction from 2D Images with Disentangled Attribute Flow [61.62796058294777]
  単一の2D画像から3D形状を再構築することは難しい作業だ。 従来の手法の多くは3次元再構成作業における意味的属性の抽出に苦慮している。 本稿では,3DAttriFlowを用いて,入力画像の異なる意味レベルから意味的属性を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:03:31Z)
• DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to the Third Dimension [71.71234436165255]
  DensePose 3Dは2次元画像アノテーションのみから弱い教師付きで再構築を学習できる手法である。 3Dスキャンを必要としないため、DensePose 3Dは異なる動物種などの幅広いカテゴリーの学習に利用できる。 我々は,人間と動物のカテゴリーの合成データと実データの両方をベースラインとして,最先端の非剛体構造と比較し,顕著な改善を示した。
  論文  参考訳（メタデータ） (2021-08-31T18:33:55Z)
• A Convolutional Architecture for 3D Model Embedding [1.3858051019755282]
  入力として3Dモデルを扱うディープラーニングアーキテクチャを提案する。 埋め込み表現は3Dオブジェクトの類似性評価を扱うのに役立つセマンティック情報を伝えることを示した。
  論文  参考訳（メタデータ） (2021-03-05T15:46:47Z)
• An Effective Loss Function for Generating 3D Models from Single 2D Image without Rendering [0.0]
  微分レンダリングは、シングルビュー3Dレコンストラクションに適用できる非常に成功した技術である。 電流は、ある3d再構成対象のレンダリング画像と、与えられたマッチング視点からの接地画像との間のピクセルによる損失を利用して、3d形状のパラメータを最適化する。 再構成された3次元点群の投影が地上真理物体のシルエットをどの程度覆うかを評価する新しい効果的な損失関数を提案する。
  論文  参考訳（メタデータ） (2021-03-05T00:02:18Z)
• Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
  Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
  論文  参考訳（メタデータ） (2020-03-03T11:14:29Z)

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。