論文の概要: Generation of High Spatial Resolution Terrestrial Surface from Low
Spatial Resolution Elevation Contour Maps via Hierarchical Computation of
Median Elevation Regions
- arxiv url: http://arxiv.org/abs/2307.09239v1
- Date: Tue, 18 Jul 2023 13:19:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-19 14:44:09.822438
- Title: Generation of High Spatial Resolution Terrestrial Surface from Low
Spatial Resolution Elevation Contour Maps via Hierarchical Computation of
Median Elevation Regions
- Title(参考訳): 低空間分解能標高図からの高空間分解能地表面の生成 : 中間標高領域の階層計算による
- Authors: Geetika Barman, B.S. Daya Sagar
- Abstract要約: この変換は、低分解能DEMからの高分解能DEMの生成と似ている。
I) 既存のスパース・コンター写像を最大Threshold Elevation Region (TER) に分解する段階である。
- 参考スコア(独自算出の注目度): 2.4265283126387165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We proposed a simple yet effective morphological approach to convert a sparse
Digital Elevation Model (DEM) to a dense Digital Elevation Model. The
conversion is similar to that of the generation of high-resolution DEM from its
low-resolution DEM. The approach involves the generation of median contours to
achieve the purpose. It is a sequential step of the I) decomposition of the
existing sparse Contour map into the maximum possible Threshold Elevation
Region (TERs). II) Computing all possible non-negative and non-weighted Median
Elevation Region (MER) hierarchically between the successive TER decomposed
from a sparse contour map. III) Computing the gradient of all TER, and MER
computed from previous steps would yield the predicted intermediate elevation
contour at a higher spatial resolution. We presented this approach initially
with some self-made synthetic data to show how the contour prediction works and
then experimented with the available contour map of Washington, NH to justify
its usefulness. This approach considers the geometric information of existing
contours and interpolates the elevation contour at a new spatial region of a
topographic surface until no elevation contours are necessary to generate. This
novel approach is also very low-cost and robust as it uses elevation contours.
- Abstract(参考訳): 本研究では,sparse digital elevation model (dem) を高密度ディジタル標高モデルに変換するための,単純かつ効果的な形態素モデルを提案する。
この変換は、低分解能DEMからの高分解能DEMの生成と似ている。
このアプローチでは、目的を達成するために中央の輪郭を生成する。
これは、i)既存のスパース輪郭写像の最大閾値上昇領域(ters)への分解の逐次ステップである。
II) スパース輪郭写像から分解された逐次TER間の非負および非重み付きメディア昇華領域(MER)を階層的に計算する。
3)全てのTERの勾配を計算し,MERが先行ステップから計算すると,より高空間分解能で予測される中間標高輪郭が得られる。
我々はまず,輪郭予測がどのように機能するかを示すために,人工的なデータを用いてこのアプローチを提示し,その有用性を正当化するためにワシントンd.c.の輪郭マップを実験した。
本手法では,既存の輪郭の幾何学的情報を考慮し,標高輪郭を生成する必要がなくなるまで,地形面の新しい空間領域における標高輪郭を補間する。
この新しいアプローチは、標高輪郭を使用するため、非常に低コストで堅牢である。
関連論文リスト
- 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) - PRS: Sharp Feature Priors for Resolution-Free Surface Remeshing [30.28380889862059]
本稿では,自動特徴検出とリメッシングのためのデータ駆動方式を提案する。
提案アルゴリズムは,Fスコアの26%,知覚値の42%がtextRMSE_textv$である。
論文 参考訳(メタデータ) (2023-11-30T12:15:45Z) - Neural Gradient Learning and Optimization for Oriented Point Normal
Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。
局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。
本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文 参考訳(メタデータ) (2023-09-17T08:35:11Z) - Single-View Height Estimation with Conditional Diffusion Probabilistic
Models [1.8782750537161614]
我々は、マルコフ連鎖として光学画像とDSM画像の連成分布を学習するために、生成拡散モデルを訓練する。
これは、音源画像に条件付けされたままの復調スコアマッチング目標を最小化して、現実的な高解像度3次元表面を生成する。
本稿では,1枚のリモートセンシング画像から高度推定を行う条件付き拡散確率モデル(DDPM)を実験する。
論文 参考訳(メタデータ) (2023-04-26T00:37:05Z) - HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper
Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。
実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文 参考訳(メタデータ) (2022-10-13T16:39:53Z) - Deep Manifold Learning with Graph Mining [80.84145791017968]
グラフマイニングのための非段階的決定層を持つ新しいグラフ深層モデルを提案する。
提案モデルでは,現行モデルと比較して最先端性能を実現している。
論文 参考訳(メタデータ) (2022-07-18T04:34:08Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳(メタデータ) (2021-06-14T17:19:44Z) - Photometric Multi-View Mesh Refinement for High-Resolution Satellite
Images [24.245977127434212]
最先端の復元手法は一般的に2.5次元の標高データを生成する。
マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
論文 参考訳(メタデータ) (2020-05-10T20:37:54Z) - Understanding Integrated Gradients with SmoothTaylor for Deep Neural
Network Attribution [70.78655569298923]
ディープニューラルネットワークモデルの属性方法としての統合グラディエントは、シンプルな実装性を提供する。
理解しやすさに影響を及ぼす説明のうるささに悩まされる。
SmoothGrad法は,ノイズ問題を解消し,勾配に基づく帰属法の帰属写像を円滑化するために提案される。
論文 参考訳(メタデータ) (2020-04-22T10:43:19Z) - A Region-based Randers Geodesic Approach for Image Segmentation [16.091797508701045]
最小測地線経路の枠組みに基づく新しい変分画像分割モデルを提案する。
また,幾つもの測地線経路の連結により,対象境界線をデライン化できる,実用的なインタラクティブな画像分割戦略を提案する。
論文 参考訳(メタデータ) (2019-12-20T22:17:50Z)
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。