Fugu-MT 論文翻訳(概要): Fast Satellite Tensorial Radiance Field for Multi-date Satellite Imagery of Large Size

論文の概要: Fast Satellite Tensorial Radiance Field for Multi-date Satellite Imagery of Large Size

arxiv url: http://arxiv.org/abs/2309.11767v1
Date: Thu, 21 Sep 2023 04:00:38 GMT
ステータス: 処理完了
システム内更新日: 2023-09-22 16:52:19.292386
Title: Fast Satellite Tensorial Radiance Field for Multi-date Satellite Imagery of Large Size
Title（参考訳）: 小型マルチ日付衛星画像のための高速衛星天空放射場
Authors: Tongtong Zhang, Yuanxiang Li
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.76146285961466
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing NeRF models for satellite images suffer from slow speeds, mandatory solar information as input, and limitations in handling large satellite images. In response, we present SatensoRF, which significantly accelerates the entire process while employing fewer parameters for satellite imagery of large size. Besides, we observed that the prevalent assumption of Lambertian surfaces in neural radiance fields falls short for vegetative and aquatic elements. In contrast to the traditional hierarchical MLP-based scene representation, we have chosen a multiscale tensor decomposition approach for color, volume density, and auxiliary variables to model the lightfield with specular color. Additionally, to rectify inconsistencies in multi-date imagery, we incorporate total variation loss to restore the density tensor field and treat the problem as a denosing task.To validate our approach, we conducted assessments of SatensoRF using subsets from the spacenet multi-view dataset, which includes both multi-date and single-date multi-view RGB images. Our results clearly demonstrate that SatensoRF surpasses the state-of-the-art Sat-NeRF series in terms of novel view synthesis performance. Significantly, SatensoRF requires fewer parameters for training, resulting in faster training and inference speeds and reduced computational demands.
Abstract（参考訳）: 既存の衛星画像のNeRFモデルは、遅い速度、入力として太陽情報、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,衛星画像に対するパラメータを小さくしつつ,プロセス全体を著しく高速化するサテンソルフを提案する。さらに, 神経放射場におけるランベルト面の仮定は, 植物および水生元素では不十分であることがわかった。従来の階層的mlpに基づくシーン表現とは対照的に,色,容積密度,補助変数のマルチスケールテンソル分解アプローチを採用し,明色でライトフィールドをモデル化した。さらに,多年画像における不整合を解消するために,密度テンソル場を復元し,問題を否定するタスクとして扱うために,全変動損失を組み込んだ。このアプローチを検証するために,多年画像と一年目のrgb画像を含むspacenet multi-viewデータセットのサブセットを用いて,satensorfの評価を行った。以上の結果から,サテンソRFは新たなビュー合成性能において最先端のSat-NeRFシリーズを上回っていることが明らかとなった。重要なことに、SatensoRFはトレーニングのパラメータを少なくし、高速なトレーニングと推論速度と計算要求の削減をもたらす。

関連論文リスト

SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
論文参考訳（メタデータ） (2024-06-14T17:58:28Z)
Taming Latent Diffusion Model for Neural Radiance Field Inpainting [63.297262813285265]
ニューラル・ラジアンス・フィールド(NeRF)は多視点画像からの3次元再構成の表現である。本研究では,シーンごとのカスタマイズによる拡散モデルの傾向の緩和と,マスキングトレーニングによるテクスチャシフトの緩和を提案する。我々のフレームワークは、様々な現実世界のシーンに最先端のNeRF塗装結果をもたらす。
論文参考訳（メタデータ） (2024-04-15T17:59:57Z)
SparseSat-NeRF: Dense Depth Supervised Neural Radiance Fields for Sparse Satellite Images [0.0]
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。
論文参考訳（メタデータ） (2023-09-01T06:21:02Z)
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)
TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
論文参考訳（メタデータ） (2023-04-24T21:39:13Z)
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)
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)
Riesz-Quincunx-UNet Variational Auto-Encoder for Satellite Image Denoising [0.0]
衛星画像のノイズ低減に使用される画像および時系列分解のためのハイブリッドRQUNet-VAE方式を提案する。また,本手法をマルチバンド衛星画像に適用し,画像の分解,画像分割,拡散による時系列分解,画像分割などを行う。
論文参考訳（メタデータ） (2022-08-25T19:51:07Z)
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)
NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
論文参考訳（メタデータ） (2021-12-03T07:33:47Z)
Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images [54.44842669325082]
本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
論文参考訳（メタデータ） (2020-08-03T13:55:39Z)

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。