論文の概要: Building Height Estimation Using Shadow Length in Satellite Imagery
- arxiv url: http://arxiv.org/abs/2411.09411v1
- Date: Thu, 14 Nov 2024 13:06:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-15 15:23:48.903138
- Title: Building Height Estimation Using Shadow Length in Satellite Imagery
- Title（参考訳）: 衛星画像における影長を用いた建物の高さ推定
- Authors: Mahd Qureshi, Shayaan Chaudhry, Sana Jabba, Murtaza Taj,
- Abstract要約: 衛星画像から建物の高さを推定することは、特に単眼画像を使用する場合、大きな課題となる。
そこで我々は、まず建物とその影を衛星画像に配置する手法を提案した。
提案手法を42の異なる都市で評価した結果,提案手法が最先端の手法をはるかに上回っていることが明らかとなった。
- 参考スコア（独自算出の注目度）: 2.7548979811246292
- License:
- Abstract: Estimating building height from satellite imagery poses significant challenges, especially when monocular images are employed, resulting in a loss of essential 3D information during imaging. This loss of spatial depth further complicates the height estimation process. We addressed this issue by using shadow length as an additional cue to compensate for the loss of building height estimation using single-view imagery. We proposed a novel method that first localized a building and its shadow in the given satellite image. After localization, the shadow length is estimated using a regression model. To estimate the final height of each building, we utilize the principles of photogrammetry, specifically considering the relationship between the solar elevation angle, the vertical edge length of the building, and the length of the building's shadow. For the localization of buildings in our model, we utilized a modified YOLOv7 detector, and to regress the shadow length for each building we utilized the ResNet18 as backbone architecture. Finally, we estimated the associated building height using solar elevation with shadow length through analytical formulation. We evaluated our method on 42 different cities and the results showed that the proposed framework surpasses the state-of-the-art methods with a suitable margin.
- Abstract（参考訳）: 衛星画像から建物の高さを推定することは、特に単眼画像を使用する場合、重要な課題となり、撮像中に必須の3D情報が失われる。
この空間深さの損失はさらに高さ推定過程を複雑にする。
単視点画像を用いた建物の高さ推定の損失を補うための追加の手がかりとして影長を用いてこの問題に対処した。
そこで我々は、まず建物とその影を衛星画像に配置する手法を提案した。
局所化後、回帰モデルを用いて影長を推定する。
各建物の最終高さを推定するために, 太陽高度角, 建物の垂直端の長さ, 建物の影の長さとの関係を特に考慮して, フォトグラムの原理を利用する。
モデル内の建物のローカライズには,改良型YOLOv7検出器を使用し,ResNet18をバックボーンアーキテクチャとして使用した各建物に対するシャドウ長の回帰を行った。
最後に,解析的定式化による日射高度と影長の関連建物の高さを推定した。
提案手法を42の異なる都市で評価した結果,提案手法が最先端の手法をはるかに上回っていることが明らかとなった。
関連論文リスト
- Enhancing Monocular Height Estimation from Aerial Images with
Street-view Images [14.555228716999737]
ストリートビュー画像を取り入れた単眼身長推定手法を提案する。
具体的には,ストリートビュー画像からの幾何学的制約を伴って,暗黙的な3次元シーン表現,密度場を最適化することを目的としている。
論文 参考訳（メタデータ） (2023-11-03T06:43:32Z) - 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) - Building Height Prediction with Instance Segmentation [0.0]
本稿では, 一つのRGB衛星画像からビルディングマスクを推定するために, ケースセグメンテーションに基づくビルディング高さ抽出手法を提案する。
我々は,移動学習手法を用いたオープンソースの衛星データセットとともに,特定の都市の標高アノテーションを組み込んだ衛星画像を用いた。
我々は,テストセット内の各高さクラスに属する建物の平均精度を70%とし,境界箱mAP 59,マスクmAP 52.6に到達した。
論文 参考訳（メタデータ） (2022-12-19T07:12:49Z) - Controllable Shadow Generation Using Pixel Height Maps [58.59256060452418]
物理ベースのシャドウレンダリング法は3次元のジオメトリーを必要とするが、必ずしも利用できない。
深層学習に基づく影合成法は、光情報から物体の影へのマッピングを、影の幾何学を明示的にモデル化することなく学習する。
オブジェクト,グラウンド,カメラのポーズ間の相関を符号化する新しい幾何学的表現であるピクセルハイを導入する。
論文 参考訳（メタデータ） (2022-07-12T08:29:51Z) - Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization
Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。
鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。
標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文 参考訳（メタデータ） (2022-04-10T19:16:58Z) - Skyline variations allow estimating distance to trees on landscape
photos using semantic segmentation [0.0]
ランドスケープ写真のスカイラインの変動は,地平線上の木々との距離を推定するために利用できることを示す。
スカイラインの変動に基づく手法が開発され、スカイライン物体からの距離との潜在的な関係を調べるために利用されている。
論文 参考訳（メタデータ） (2022-01-14T12:31:02Z) - Focusing on Shadows for Predicting Heightmaps from Single Remotely
Sensed RGB Images with Deep Learning [3.42658286826597]
本研究では,リモートセンシング画像のシャドウマップを利用したタスク指向ディープラーニングモデルを提案し,その高さマップを算出する。
英国マンチェスターの広大なエリアをカバーするデータセットでモデルを検証する。
論文 参考訳（メタデータ） (2021-04-22T05:31:13Z) - Single View Metrology in the Wild [94.7005246862618]
本研究では,物体の3次元の高さや地上のカメラの高さで表現されるシーンの絶対的なスケールを再現する,単一ビューメロジに対する新しいアプローチを提案する。
本手法は,被写体の高さなどの3Dエンティティによる未知のカメラとの相互作用から,弱い教師付き制約を抑えるために設計されたディープネットワークによって学習されたデータ駆動の先行情報に依存する。
いくつかのデータセットと仮想オブジェクト挿入を含むアプリケーションに対して、最先端の定性的かつ定量的な結果を示す。
論文 参考訳（メタデータ） (2020-07-18T22:31:33Z) - Height estimation from single aerial images using a deep ordinal
regression network [12.991266182762597]
単体画像からの高度推定の曖昧で未解決な問題に対処する。
深層学習、特に深層畳み込みニューラルネットワーク(CNN)の成功により、いくつかの研究は、単一の空中画像から高さ情報を推定することを提案した。
本稿では,高さ値を間隔増加間隔に分割し,回帰問題を順序回帰問題に変換することを提案する。
論文 参考訳（メタデータ） (2020-06-04T12:03:51Z) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳（メタデータ） (2020-04-15T19:52:09Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-27T21:28:54Z)
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。