論文の概要: SparseSat-NeRF: Dense Depth Supervised Neural Radiance Fields for Sparse Satellite Images

• arxiv url: http://arxiv.org/abs/2309.00277v1
• Date: Fri, 1 Sep 2023 06:21:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-04 14:23:14.555161
• Title: SparseSat-NeRF: Dense Depth Supervised Neural Radiance Fields for Sparse Satellite Images
• Title（参考訳）: SparseSat-NeRF:SparseSat-NeRF衛星画像のためのDense Depth Supervised Neural Radiance Fields
• Authors: Lulin Zhang, Ewelina Rupnik
• Abstract要約: 従来のマルチビューステレオマッチング(MVS)を用いたデジタルサーフェスモデル生成は、非ランベルト曲面に対して不十分に動作する。 NeRFは連続的な体積表現を用いて表面のジオメトリを再構築するための新しいパラダイムを提供する。 SpS-NeRFは、サット-NeRFの拡張であり、衛星視界のスパースに適応している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital surface model generation using traditional multi-view stereo matching (MVS) performs poorly over non-Lambertian surfaces, with asynchronous acquisitions, or at discontinuities. Neural radiance fields (NeRF) offer a new paradigm for reconstructing surface geometries using continuous volumetric representation. NeRF is self-supervised, does not require ground truth geometry for training, and provides an elegant way to include in its representation physical parameters about the scene, thus potentially remedying the challenging scenarios where MVS fails. However, NeRF and its variants require many views to produce convincing scene's geometries which in earth observation satellite imaging is rare. In this paper we present SparseSat-NeRF (SpS-NeRF) - an extension of Sat-NeRF adapted to sparse satellite views. SpS-NeRF employs dense depth supervision guided by crosscorrelation similarity metric provided by traditional semi-global MVS matching. We demonstrate the effectiveness of our approach on stereo and tri-stereo Pleiades 1B/WorldView-3 images, and compare against NeRF and Sat-NeRF. The code is available at https://github.com/LulinZhang/SpS-NeRF
• Abstract（参考訳）: 従来のマルチビューステレオマッチング(mvs)を用いたディジタル表面モデル生成は、非ランベルト曲面、非同期取得、あるいは不連続に対して性能が低下する。 neural radiance fields (nerf) は、連続的な体積表現を用いて表面ジオメトリを再構築するための新しいパラダイムを提供する。 NeRFは自己監督型であり、トレーニングに地平線幾何学を必要とせず、シーンに関する物理パラメータを表現するエレガントな方法を提供しており、MVSが失敗する困難なシナリオを修復する可能性がある。 しかし、NeRFとその変種は、地球観測衛星画像において稀な、説得力のあるシーンのジオメトリーを生成するために多くのビューを必要とする。 本稿では,SparseSat-NeRF(SpS-NeRF)について述べる。 SpS-NeRFは、従来の半言語MVSマッチングによって提供される相互相関類似度測定によって導かれる密集深度監視を用いる。 ステレオ・ステレオPleiades 1B/WorldView-3画像に対するアプローチの有効性を実証し,NeRFとSat-NeRFとの比較を行った。 コードはhttps://github.com/LulinZhang/SpS-NeRFで公開されている。

関連論文リスト

• TrackNeRF: Bundle Adjusting NeRF from Sparse and Noisy Views via Feature Tracks [57.73997367306271]
  TrackNeRFは新しいベンチマークをノイズとスパースビューの再構築で設定する。 TrackNeRFは最先端のBARFとSPARFよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-08-20T11:14:23Z)
• Fast Satellite Tensorial Radiance Field for Multi-date Satellite Imagery of Large Size [0.76146285961466]
  既存の衛星画像のNeRFモデルは、速度が遅いこと、入力として太陽情報を必要とすること、大きな衛星画像を扱う際の制限に悩まされている。 そこで本研究では,衛星画像の規模を小さくしながら,全過程を著しく加速するサテンソRFについて述べる。
  論文  参考訳（メタデータ） (2023-09-21T04:00:38Z)
• Multi-Space Neural Radiance Fields [74.46513422075438]
  既存のニューラルレージアンス場(NeRF)法は反射物体の存在に悩まされている。 並列部分空間における特徴場の群を用いてシーンを表現するマルチスペースニューラルレイディアンス場(MS-NeRF)を提案する。 提案手法は,高品質シーンのレンダリングにおいて,既存の単一空間NeRF法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-07T13:11:07Z)
• NeRF applied to satellite imagery for surface reconstruction [5.027411102165872]
  本稿では、最近導入されたシャドウニューラルレージアンスフィールド(S-NeRF)モデルの修正実装であるSurf-NeRFを提案する。 本手法は、画像中の光の変動を考慮しつつ、シーンの衛星画像の粗い集合から新規なビューを合成することができる。 トレーニングされたモデルは、しばしば衛星観測用途に望ましい量であるシーンの表面の標高を正確に推定するためにも使用できる。
  論文  参考訳（メタデータ） (2023-04-09T01:37:13Z)
• SiNeRF: Sinusoidal Neural Radiance Fields for Joint Pose Estimation and Scene Reconstruction [147.9379707578091]
  NeRFmmは、共同最適化タスクを扱うNeRF(Neural Radiance Fields)である。 NeRFmmは正確なシーン合成とポーズ推定を行うが、難しいシーンで完全に注釈付けされたベースラインを上回るのに苦戦している。 放射光マッピングにおける正弦波活性化を利用する正弦波ニューラルレイディアンス場(SiNeRF)と、効率よく光束を選択するための新しい混合領域サンプリング(MRS)を提案する。
  論文  参考訳（メタデータ） (2022-10-10T10:47:51Z)
• Aug-NeRF: Training Stronger Neural Radiance Fields with Triple-Level Physically-Grounded Augmentations [111.08941206369508]
  我々は,NeRFトレーニングの正規化にロバストなデータ拡張のパワーを初めてもたらすAugmented NeRF(Aug-NeRF)を提案する。 提案手法では,最悪の場合の摂動を3段階のNeRFパイプラインにシームレスにブレンドする。 Aug-NeRFは、新しいビュー合成と基礎となる幾何再構成の両方において、NeRF性能を効果的に向上させる。
  論文  参考訳（メタデータ） (2022-07-04T02:27:07Z)
• SinNeRF: Training Neural Radiance Fields on Complex Scenes from a Single Image [85.43496313628943]
  本稿では,一眼レフ(SinNeRF)フレームワークについて述べる。 SinNeRFは半教師付き学習プロセスを構築し,幾何学的擬似ラベルを導入・伝播する。 NeRF合成データセット、Local Light Field Fusionデータセット、DTUデータセットなど、複雑なシーンベンチマークで実験が行われる。
  論文  参考訳（メタデータ） (2022-04-02T19:32:42Z)
• Sat-NeRF: Learning Multi-View Satellite Photogrammetry With Transient Objects and Shadow Modeling Using RPC Cameras [10.269997499911668]
  サテライトニューラルレージアンスフィールド(Sat-NeRF)は,野生のマルチビュー衛星写真グラムを学習するための新しいエンドツーエンドモデルである。 Sat-NeRFは、ニューラルレンダリングの最新トレンドとネイティブ衛星カメラモデルを組み合わせたものだ。 我々は,異なる場所からのWorldView-3画像を用いてSat-NeRFを評価し,衛星カメラモデルにバンドル調整を適用する利点を強調した。
  論文  参考訳（メタデータ） (2022-03-16T19:18:46Z)
• UNISURF: Unifying Neural Implicit Surfaces and Radiance Fields for Multi-View Reconstruction [61.17219252031391]
  ニューラル暗黙的3D表現を用いた多視点画像から表面を再構築する新しい手法を提案する。 我々の重要な洞察は、暗黙の曲面モデルと放射場を統一的に定式化し、表面および体積のレンダリングを可能にすることである。 実験により, マスクを必要とせず, idrと同等の性能を保ちつつ, 再構成品質でnrfを上回った。
  論文  参考訳（メタデータ） (2021-04-20T15:59:38Z)

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。