論文の概要: RoofDiffusion: Constructing Roofs from Severely Corrupted Point Data via Diffusion

• arxiv url: http://arxiv.org/abs/2404.09290v2
• Date: Sun, 13 Oct 2024 13:32:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-15 21:41:29.209652
• Title: RoofDiffusion: Constructing Roofs from Severely Corrupted Point Data via Diffusion
• Title（参考訳）: ルーフ拡散: 急激な崩壊点データからのルーフの拡散による構成
• Authors: Kyle Shih-Huang Lo, Jörg Peters, Eric Spellman,
• Abstract要約: RoofDiffusionは、屋根の高さマップを頑健に完成させる、エンドツーエンドの自己教師付き拡散技術である。 変種であるNo-FP RoofDiffusionは、建物の足跡と高さを同時に予測する。 先進的なCity3DアルゴリズムでテストされたRoofDiffusionは、3Dビルの再構築を著しく改善する。
• 参考スコア（独自算出の注目度）: 0.3277163122167433
• License:
• Abstract: Accurate completion and denoising of roof height maps are crucial to reconstructing high-quality 3D buildings. Repairing sparse points can enhance low-cost sensor use and reduce UAV flight overlap. RoofDiffusion is a new end-to-end self-supervised diffusion technique for robustly completing, in particular difficult, roof height maps. RoofDiffusion leverages widely-available curated footprints and can so handle up to 99\% point sparsity and 80\% roof area occlusion (regional incompleteness). A variant, No-FP RoofDiffusion, simultaneously predicts building footprints and heights. Both quantitatively outperform state-of-the-art unguided depth completion and representative inpainting methods for Digital Elevation Models (DEM), on both a roof-specific benchmark and the BuildingNet dataset. Qualitative assessments show the effectiveness of RoofDiffusion for datasets with real-world scans including AHN3, Dales3D, and USGS 3DEP LiDAR. Tested with the leading City3D algorithm, preprocessing height maps with RoofDiffusion noticeably improves 3D building reconstruction. RoofDiffusion is complemented by a new dataset of 13k complex roof geometries, focusing on long-tail issues in remote sensing; a novel simulation of tree occlusion; and a wide variety of large-area roof cut-outs for data augmentation and benchmarking.
• Abstract（参考訳）: 屋上マップの正確な完成とデノナイズは,高品質な3Dビルの再建に不可欠である。 スパースポイントの修理は低コストのセンサーの使用を促進し、UAVの飛行オーバーラップを減らすことができる。 RoofDiffusionは、特に難易度の高い屋根の高さマップを頑健に完成する、エンドツーエンドの自己教師付き拡散技術である。 RoofDiffusionは、広く利用可能なキュレートされたフットプリントを活用し、最大99\%の点間隔と80\%の屋根面積閉塞(地域的不完全性)を処理できる。 変種であるNo-FP RoofDiffusionは、建物の足跡と高さを同時に予測する。 屋根固有のベンチマークとBuildingNetデータセットの両方で、最先端の未案内深度補完とDEM(Digital Elevation Models)の代表的な塗装方法の両方を定量的に上回る。 質的な評価は、AHN3、Dales3D、USGS 3DEP LiDARなどの実世界のスキャンによるデータセットに対するRoofDiffusionの有効性を示している。 先行するCity3DアルゴリズムでテストされたRoofDiffusionによる高さマップの事前処理は、3Dビルの再構築を著しく改善する。 RoofDiffusionは、リモートセンシングにおける長い尾の問題に焦点をあてた、13kの複雑な屋根のジオメトリからなる新しいデータセット、ツリー閉塞の新たなシミュレーション、およびデータ拡張とベンチマークのための広範囲にわたる屋根のカットアウトによって補完される。

関連論文リスト

• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• SAFDNet: A Simple and Effective Network for Fully Sparse 3D Object Detection [22.120656021516695]
  SAFDNetは、完全にスパースな3Dオブジェクト検出のための単純かつ高効率なアーキテクチャである。 オープン、nuScenes、Argoverse2データセットについて広範な実験を行った。 SAFDNetは以前の最高のハイブリッド検出器HEDNetを2.1倍高速で2.6%のmAPで上回った。
  論文  参考訳（メタデータ） (2024-03-09T06:48:19Z)
• Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
  表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。 これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。 TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-20T18:03:17Z)
• HGDNet: A Height-Hierarchy Guided Dual-Decoder Network for Single View Building Extraction and Height Estimation [13.09940764764909]
  建物の高さを推定するために,高階層型デュアルデコーダネットワーク(HGDNet)を提案する。 合成された高さ階層nDSMの指導の下で、補助的な高さ階層的建築物抽出枝は高さ推定枝を強化する。 より正確な建物抽出を実現するために、追加の2段階のカスケードアーキテクチャが採用されている。
  論文  参考訳（メタデータ） (2023-08-10T07:03:32Z)
• 3D detection of roof sections from a single satellite image and application to LOD2-building reconstruction [12.693545159861857]
  KIBS(textitKeypoints Inference By)という,2つの特徴からなる都市3次元再構成手法を提案する。 KIBS法は, 異なる都市部を数分で再構築し, 個々の屋根部を8.55%, 75.21%で2次元分割するジャカルド指数を2つのデータ集合で8.55%, および75.21%で表し, その高さ平均誤差を2つのデータ集合で1.60$mと2.06mの3次元再構成で表した。
  論文  参考訳（メタデータ） (2023-07-11T16:23:19Z)
• DiffInDScene: Diffusion-based High-Quality 3D Indoor Scene Generation [52.57289166214808]
  DiffInDSceneは高品質な屋内シーン生成問題に取り組むための新しいフレームワークである。 KinectFusionのインクリメンタルアライメントとローカルTSDFボリュームの融合に着想を得て,拡散型SDF融合法を提案する。 生成した結果から,3次元空間で高品位な部屋生成を実現することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-01T10:19:23Z)
• ZRG: A Dataset for Multimodal 3D Residential Rooftop Understanding [1.737244048102213]
  住宅屋上理解のためのZeitview Rooftop Geometryデータセットを提案する。 ZRG(ZRG)は、アメリカ合衆国全土の屋根検査を通じて収集された20万件以上の資産からなる大規模住宅用屋上データセットである。
  論文  参考訳（メタデータ） (2023-04-26T00:52:42Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• A Conditional Point Diffusion-Refinement Paradigm for 3D Point Cloud Completion [69.32451612060214]
  実スキャンされた3Dポイントクラウドはしばしば不完全であり、下流アプリケーションのために完全なポイントクラウドを復元することが重要である。 ほとんどの既存のポイントクラウド補完方法は、トレーニングにチャンファー距離(CD)損失を使用する。 本稿では,点雲完了のためのPDR(Point Diffusion-Refinement)パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-12-07T06:59:06Z)

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。