Fugu-MT 論文翻訳(概要): EOGS: Gaussian Splatting for Earth Observation

論文の概要: EOGS: Gaussian Splatting for Earth Observation

arxiv url: http://arxiv.org/abs/2412.13047v1
Date: Tue, 17 Dec 2024 16:11:14 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-18 17:09:38.777674
Title: EOGS: Gaussian Splatting for Earth Observation
Title（参考訳）: EOGS:地球観測のためのガウス散乱
Authors: Luca Savant Aira, Gabriele Facciolo, Thibaud Ehret,
Abstract要約: 標準ガウススプラッティングフレームワークがリモートセンシングにどのように適応できるかを示す。これにより、最先端のパフォーマンスを数分で達成できます。
参考スコア（独自算出の注目度）: 9.965306860657472
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recently, Gaussian splatting has emerged as a strong alternative to NeRF, demonstrating impressive 3D modeling capabilities while requiring only a fraction of the training and rendering time. In this paper, we show how the standard Gaussian splatting framework can be adapted for remote sensing, retaining its high efficiency. This enables us to achieve state-of-the-art performance in just a few minutes, compared to the day-long optimization required by the best-performing NeRF-based Earth observation methods. The proposed framework incorporates remote-sensing improvements from EO-NeRF, such as radiometric correction and shadow modeling, while introducing novel components, including sparsity, view consistency, and opacity regularizations.
Abstract（参考訳）: 最近、Gaussian splattingはNeRFの強力な代替品として現れ、トレーニングとレンダリングのほんの一部しか必要とせず、印象的な3Dモデリング能力を誇示している。本稿では,標準ガウススプレイティングフレームワークをリモートセンシングに適用し,その高効率性を維持する方法を示す。これにより、最も優れたNeRFベースの地球観測法で要求される1日当たりの最適化と比較して、最先端の性能を数分で達成できる。提案フレームワークは,ラジオメトリック補正やシャドウモデリングなどのEO-NeRFからのリモートセンシングの改良を取り入れつつ,空間性,ビューの一貫性,不透明性正則化といった新しいコンポーネントを導入している。

関連論文リスト

SVG-IR: Spatially-Varying Gaussian Splatting for Inverse Rendering [23.104424058660744]
3D Gaussian Splatting(3DGS)は、新規ビュー合成(NVS)タスクの印象的な機能を示した。我々は,NVSとライティング品質の両面を向上することを目的とした,Spatially-vayring Gaussian Inverse Rendering (SVG-IR) と呼ばれる新しいフレームワークを提案する。提案したSVG-IRフレームワークは、レンダリング品質を著しく向上し、ピーク信号対雑音比(PSNR)において2.5dB、リライトタスクにおいて3.5dBの既存のガウス的手法よりも2.5dB向上する。
論文参考訳（メタデータ） (2025-04-09T12:11:58Z)
EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文参考訳（メタデータ） (2025-03-26T02:47:27Z)
DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes [81.56206845824572]
新規ビュー合成(NVS)アプローチは、広大なシーン再構築において重要な役割を担っている。大規模な環境下では、復元の質が悪くなる場合が少なくない。本稿では,スパース・ビュー・ワイド・シーンのための効率的なガウス再構成のための分散フレームワークであるDGTRを提案する。
論文参考訳（メタデータ） (2024-11-19T07:51:44Z)
Binocular-Guided 3D Gaussian Splatting with View Consistency for Sparse View Synthesis [53.702118455883095]
本稿では,ガウススプラッティングを用いたスパースビューから新しいビューを合成する新しい手法を提案する。私たちのキーとなるアイデアは、両眼画像間の両眼立体的一貫性に固有の自己超越を探索することにあります。我々の手法は最先端の手法よりも優れています。
論文参考訳（メタデータ） (2024-10-24T15:10:27Z)
KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
Splatfacto-W: A Nerfstudio Implementation of Gaussian Splatting for Unconstrained Photo Collections [25.154665328053333]
Splatfacto-Wは、ガウスごとのニューラルカラー特徴と画像ごとの外観をレンダリングプロセスに組み込む、自明なアプローチである。提案手法は,3DGSに比べて平均5.3dBのPak Signal-to-Noise Ratio(PSNR)を向上し,NeRF法に比べて150倍のトレーニング速度を向上し,3DGSと同様のレンダリング速度を実現する。
論文参考訳（メタデータ） (2024-07-17T04:02:54Z)
GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [3.043712258792239]
ニューラルネットワークSDFと3DGSを統合した統合フレームワークを提案する。このフレームワークには学習可能なニューラルネットワークSDFフィールドが組み込まれており、ガウスの密度化と刈り取りをガイドしている。本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文参考訳（メタデータ） (2024-05-30T03:46:59Z)
Blending Distributed NeRFs with Tri-stage Robust Pose Optimization [14.36438070050125]
3段ポーズ最適化を用いた分散NeRFシステムを提案する。本稿では,三段ポーズ最適化を用いた分散NeRFシステムを提案する。
論文参考訳（メタデータ） (2024-05-05T10:27:03Z)
MonoPatchNeRF: Improving Neural Radiance Fields with Patch-based Monocular Guidance [29.267039546199094]
最新の正規化ニューラルラジアンス・フィールド(NeRF)アプローチは、大規模なスパース・ビュー・シーンの幾何学とビュー外挿を損なう。我々は密度に基づくアプローチを採り、個々の光線の代わりにパッチをサンプリングし、単分子深度と通常の推定値をよりよく組み込む。提案手法はETH3Dベンチマークの幾何精度を大幅に向上させる。
論文参考訳（メタデータ） (2024-04-12T05:43:10Z)
CG-SLAM: Efficient Dense RGB-D SLAM in a Consistent Uncertainty-aware 3D Gaussian Field [46.8198987091734]
本稿では,新しい不確実性を考慮した3次元ガウス場に基づく高密度RGB-D SLAMシステム,すなわちCG-SLAMを提案する。各種データセットの実験により、CG-SLAMは、最大15Hzの追従速度で優れた追従性能とマッピング性能を達成することが示された。
論文参考訳（メタデータ） (2024-03-24T11:19:59Z)
GGRt: Towards Pose-free Generalizable 3D Gaussian Splatting in Real-time [112.32349668385635]
GGRtは、現実のカメラポーズの必要性を軽減する、一般化可能な新しいビュー合成のための新しいアプローチである。最初のポーズフリーの一般化可能な3D-GSフレームワークとして、GGRtは$ge$5 FPSで、リアルタイムレンダリングは$ge$100 FPSで実現している。
論文参考訳（メタデータ） (2024-03-15T09:47:35Z)
Improving Robustness for Joint Optimization of Camera Poses and Decomposed Low-Rank Tensorial Radiance Fields [26.4340697184666]
本稿では,分解された低ランクテンソルで表現されるカメラポーズとシーン形状を共同で洗練するアルゴリズムを提案する。また,スムーズな2次元監視手法,ランダムスケールカーネルパラメータ,エッジ誘導損失マスクを提案する。
論文参考訳（メタデータ） (2024-02-20T18:59:02Z)
GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文参考訳（メタデータ） (2023-12-04T18:59:55Z)
FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。 FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2023-12-01T09:30:02Z)
DiffSCI: Zero-Shot Snapshot Compressive Imaging via Iterative Spectral Diffusion Model [18.25548360119976]
マルチスペクトル画像(MSI)におけるスナップショット圧縮画像(SCI)再構成の精度向上を目指した。 DiffSCIと呼ばれる新しいゼロショット拡散モデルを提案する。我々は,DiffSCIが自己監督的,ゼロショット的アプローチよりも顕著な性能向上を示すことを示すため,広範囲な試験を行った。
論文参考訳（メタデータ） (2023-11-19T20:27:14Z)
Efficient-3DiM: Learning a Generalizable Single-image Novel-view Synthesizer in One Day [63.96075838322437]
シングルイメージのノベルビューシンセサイザーを学習するためのフレームワークを提案する。当社のフレームワークは,トレーニング時間を10日以内から1日未満に短縮することが可能です。
論文参考訳（メタデータ） (2023-10-04T17:57:07Z)

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。