論文の概要: Exploiting Semantic Scene Reconstruction for Estimating Building Envelope Characteristics

• arxiv url: http://arxiv.org/abs/2410.22383v1
• Date: Tue, 29 Oct 2024 13:29:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:27:55.647027
• Title: Exploiting Semantic Scene Reconstruction for Estimating Building Envelope Characteristics
• Title（参考訳）: 建物のエンベロープ特性推定のための爆発的シーン再構成
• Authors: Chenghao Xu, Malcolm Mielle, Antoine Laborde, Ali Waseem, Florent Forest, Olga Fink,
• Abstract要約: 2次元画像入力から幾何構造特性を推定する新しいフレームワークであるBuildNet3Dを提案する。 本フレームワークは, 窓面間比と建物のフットプリントの推定において, 高い精度と一般化性を示すとともに, 様々な複雑な建築物構造について評価する。
• 参考スコア（独自算出の注目度）: 6.382787013075262
• License:
• Abstract: Achieving the EU's climate neutrality goal requires retrofitting existing buildings to reduce energy use and emissions. A critical step in this process is the precise assessment of geometric building envelope characteristics to inform retrofitting decisions. Previous methods for estimating building characteristics, such as window-to-wall ratio, building footprint area, and the location of architectural elements, have primarily relied on applying deep-learning-based detection or segmentation techniques on 2D images. However, these approaches tend to focus on planar facade properties, limiting their accuracy and comprehensiveness when analyzing complete building envelopes in 3D. While neural scene representations have shown exceptional performance in indoor scene reconstruction, they remain under-explored for external building envelope analysis. This work addresses this gap by leveraging cutting-edge neural surface reconstruction techniques based on signed distance function (SDF) representations for 3D building analysis. We propose BuildNet3D, a novel framework to estimate geometric building characteristics from 2D image inputs. By integrating SDF-based representation with semantic modality, BuildNet3D recovers fine-grained 3D geometry and semantics of building envelopes, which are then used to automatically extract building characteristics. Our framework is evaluated on a range of complex building structures, demonstrating high accuracy and generalizability in estimating window-to-wall ratio and building footprint. The results underscore the effectiveness of BuildNet3D for practical applications in building analysis and retrofitting.
• Abstract（参考訳）: EUの気候中立性目標を達成するには、エネルギー消費と排出を減らすために既存の建物を改修する必要がある。 このプロセスにおける重要なステップは、幾何的な建物エンベロープ特性を正確に評価し、再適合の決定を知らせることである。 従来は,2次元画像に深層学習に基づく検出・セグメント化技術を適用して,窓と壁の比率,建築フットプリント面積,建築要素の位置などの建物特性を推定する手法が主流であった。 しかし、これらの手法は平面的なファサード特性に焦点をあてる傾向があり、3次元の完全な建物エンベロープを解析する際の精度と包括性を制限している。 ニューラルシーンの表現は、屋内のシーン再構成では例外的な性能を示したが、外部の建物エンベロープ分析では未探索のままである。 本研究は,署名付き距離関数(SDF)表現に基づく最先端のニューラルサーフェス再構成技術を活用して,このギャップに対処する。 2次元画像入力から幾何構造特性を推定する新しいフレームワークであるBuildNet3Dを提案する。 SDFベースの表現とセマンティックモダリティを統合することで、BuildNet3Dは、ビルディングエンベロープの微細な3D形状とセマンティクスを復元し、自動的にビルディング特性を抽出する。 本フレームワークは, 窓面間比と建物のフットプリントの推定において, 高い精度と一般化性を示すとともに, 様々な複雑な建築物構造について評価する。 この結果は,ビルディング分析と再適合の実践的応用におけるBuildNet3Dの有効性を裏付けるものである。

関連論文リスト

• Towards Localizing Structural Elements: Merging Geometrical Detection with Semantic Verification in RGB-D Data [0.0]
  本稿では, 壁面や地表面などの構造成分を局所化するための実時間パイプラインについて, 純三次元平面検出のための幾何計算を統合した。 並列なマルチスレッドアーキテクチャを持ち、環境中で検出されたすべての平面のポーズと方程式を正確に推定し、汎視的セグメンテーション検証を用いて地図構造を形成するものをフィルタリングし、検証された構成部品のみを保持する。 また、検出されたコンポーネントを統一された3次元シーングラフに(再)関連付けることで、幾何学的精度と意味的理解のギャップを埋めることもできる。
  論文  参考訳（メタデータ） (2024-09-10T16:28:09Z)
• Elevation Estimation-Driven Building 3D Reconstruction from Single-View Remote Sensing Imagery [20.001807614214922]
  リモートセンシング画像からの3D再構築は、スマートシティやフォトグラムなどの分野に幅広い応用がある。 入力単視点リモートセンシング画像から3次元ビルディングモデルを再構築するための効率的なDSM推定駆動再構築フレームワーク(Building3D)を提案する。 我々のビル3Dは高度予測のためのSFFDEネットワークに根ざし、マスク構築のためのビル抽出ネットワークと同期し、点雲再構成、表面再構成(シティGMLモデル再構成)を順次実施する。
  論文  参考訳（メタデータ） (2023-01-11T17:20:30Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Vitruvio: 3D Building Meshes via Single Perspective Sketches [0.8001739956625484]
  一つのスケッチを3Dビルディングメッシュに変換することを目的とした建物のみに焦点を当てた,最初のディープラーニング手法であるVitruvioを紹介した。 まず、推論プロセスを26%以上(0.5から0.37まで)加速する。 第二に、再建精度(チャンファー距離で測定される)を18%向上させる。
  論文  参考訳（メタデータ） (2022-10-24T22:24:58Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
  我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。 これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。 本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
  論文  参考訳（メタデータ） (2022-03-15T17:50:54Z)
• Translational Symmetry-Aware Facade Parsing for 3D Building Reconstruction [11.263458202880038]
  本稿では,深部ニューラルネットワーク改善のための新しい翻訳対称性に基づくアプローチを提案する。 本研究では,単一段ネットワークにおけるアンカーフリー検出を融合させる新しい手法を提案する。 我々はBlenderのような市販のレンダリングエンジンを使用して、手続きモデルを用いて現実的な高品質な3Dモデルを再構築する。
  論文  参考訳（メタデータ） (2021-06-02T03:10:51Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)
• Holistic Parameteric Reconstruction of Building Models from Point Clouds [9.93322840476651]
  本研究では,1つの建物全体の点雲を同時に考慮した総合的パラメトリック再構築手法を提案する。 まず、よく設計されたディープニューラルネットワークを使用して、所定のビルディングポイントクラウド内のプリミティブを識別します。 次に、セグメント化されたプリミティブのパラメータを同時に決定するために、全体最適化戦略を導入する。 総合的な再現の質は、点表面距離0.08メートル、入力されたLiDAR点の0.7倍のRMSEである。
  論文  参考訳（メタデータ） (2020-05-19T05:42:23Z)
• Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
  3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。 本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
  論文  参考訳（メタデータ） (2020-03-03T17:40:00Z)
• Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
  Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
  論文  参考訳（メタデータ） (2020-03-03T11:14:29Z)

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。