Fugu-MT 論文翻訳(概要): Improving NeRF with Height Data for Utilization of GIS Data

論文の概要: Improving NeRF with Height Data for Utilization of GIS Data

arxiv url: http://arxiv.org/abs/2307.07729v1
Date: Sat, 15 Jul 2023 06:49:09 GMT
ステータス: 処理完了
システム内更新日: 2023-07-18 18:06:24.624656
Title: Improving NeRF with Height Data for Utilization of GIS Data
Title（参考訳）: GISデータ利用のための高さデータによるNeRFの改善
Authors: Hinata Aoki and Takao Yamanaka
Abstract要約: GIS(Geographic Information System)から得られる高さデータを効果的に活用するために,NeRF(Near Radiance Fields)に基づく手法を提案する。その結果、高速なトレーニング速度で画像レンダリングの精度が向上した。
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: Neural Radiance Fields (NeRF) has been applied to various tasks related to representations of 3D scenes. Most studies based on NeRF have focused on a small object, while a few studies have tried to reconstruct large-scale scenes although these methods tend to require large computational cost. For the application of NeRF to large-scale scenes, a method based on NeRF is proposed in this paper to effectively use height data which can be obtained from GIS (Geographic Information System). For this purpose, the scene space was divided into multiple objects and a background using the height data to represent them with separate neural networks. In addition, an adaptive sampling method is also proposed by using the height data. As a result, the accuracy of image rendering was improved with faster training speed.
Abstract（参考訳）: ニューラル・ラジアンス・フィールド(NeRF)は3次元シーンの表現に関連する様々なタスクに適用されている。 NeRFに基づくほとんどの研究は小さな物体に焦点を当てているが、いくつかの研究は大規模なシーンを再構築しようと試みてきた。本稿では,大規模シーンへのNeRFの適用について,GIS(Geographic Information System)から得られる高さデータを有効に活用するために,NeRFに基づく手法を提案する。この目的のために、シーン空間は複数のオブジェクトと、高さデータを使用してそれらを別々のニューラルネットワークで表現する背景に分割された。また,高さデータを用いた適応サンプリング手法も提案した。その結果、画像レンダリングの精度が向上し、トレーニング速度が向上した。

関連論文リスト

HyperPlanes: Hypernetwork Approach to Rapid NeRF Adaptation [4.53411151619456]
本稿では,推論中に勾配最適化を必要としないハイパーネットワークのパラダイムに基づく数ショットの学習手法を提案する。我々は,少数の画像から高品質な3Dオブジェクト表現を単一ステップで生成する効率的な方法を開発した。
論文参考訳（メタデータ） (2024-02-02T16:10:29Z)
Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
論文参考訳（メタデータ） (2023-10-10T20:11:13Z)
Multi-tiling Neural Radiance Field (NeRF) -- Geometric Assessment on Large-scale Aerial Datasets [5.391764618878545]
本稿では,大規模航空データセット上でのNeRF(Neural Radiance Fields)のスケールアップを目指す。具体的には、メモリ消費を減らすため、位置特定サンプリング技術とマルチカメラタイリング(MCT)戦略を導入する。提案手法を代表的手法であるMip-NeRFに実装し,その幾何性能を3光度MVSパイプラインと比較する。
論文参考訳（メタデータ） (2023-10-01T00:21:01Z)
NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object Detection [65.02633277884911]
提案するNeRF-Detは,RGB画像を入力として室内3次元検出を行う新しい手法である。提案手法は3次元形状を明示的に推定するため, エンドツーエンドでNeRFを用いて3次元検出性能を向上する。
論文参考訳（メタデータ） (2023-07-27T04:36:16Z)
Registering Neural Radiance Fields as 3D Density Images [55.64859832225061]
我々は,様々な場面でトレーニングやテストが可能な,普遍的な事前学習型ニューラルネットワークを提案する。我々は,グローバルアプローチとして,NeRFモデルを効果的に登録できることを実証した。
論文参考訳（メタデータ） (2023-05-22T09:08:46Z)
AligNeRF: High-Fidelity Neural Radiance Fields via Alignment-Aware Training [100.33713282611448]
我々は、高分解能データによるNeRFのトレーニングに関する最初のパイロット研究を行う。本稿では,多層パーセプトロンと畳み込み層との結合を含む,対応する解を提案する。私たちのアプローチは、明らかなトレーニング/テストコストを導入することなく、ほぼ無償です。
論文参考訳（メタデータ） (2022-11-17T17:22:28Z)
CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations [77.90883737693325]
本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
論文参考訳（メタデータ） (2022-09-02T17:44:50Z)
PeRFception: Perception using Radiance Fields [72.99583614735545]
私たちは、PeRFceptionと呼ばれる知覚タスクのための、最初の大規模な暗黙的表現データセットを作成します。元のデータセットからかなりのメモリ圧縮率 (96.4%) を示し、2D情報と3D情報の両方を統一形式で格納している。この暗黙の形式を直接入力する分類とセグメンテーションモデルを構築し、画像の背景に過度に収まらないよう、新しい拡張手法を提案する。
論文参考訳（メタデータ） (2022-08-24T13:32:46Z)
Mip-NeRF RGB-D: Depth Assisted Fast Neural Radiance Fields [0.696125353550498]
ニューラルレイディアンスフィールド(NeRF)のようなニューラルシーン表現は、既知のポーズを持つカラー画像のセットを使用して多層パーセプトロン(MLP)をトレーニングすることに基づいている。今や多くのデバイスがRGB-D情報を生成しており、これは幅広いタスクにおいて非常に重要であることが示されている。本稿では,色画像に深度情報を組み込むことにより,これらの有望な暗示表現にどのような改善をもたらすかを検討する。
論文参考訳（メタデータ） (2022-05-19T07:11:42Z)
Height estimation from single aerial images using a deep ordinal regression network [12.991266182762597]
単体画像からの高度推定の曖昧で未解決な問題に対処する。深層学習、特に深層畳み込みニューラルネットワーク(CNN)の成功により、いくつかの研究は、単一の空中画像から高さ情報を推定することを提案した。本稿では,高さ値を間隔増加間隔に分割し,回帰問題を順序回帰問題に変換することを提案する。
論文参考訳（メタデータ） (2020-06-04T12:03:51Z)

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。