論文の概要: CULTURE3D: Cultural Landmarks and Terrain Dataset for 3D Applications

• arxiv url: http://arxiv.org/abs/2501.06927v2
• Date: Sun, 02 Feb 2025 05:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-04 16:04:53.134252
• Title: CULTURE3D: Cultural Landmarks and Terrain Dataset for 3D Applications
• Title（参考訳）: CULTURE3D:3D応用のための文化的ランドマークと地形データセット
• Authors: Xinyi Zheng, Steve Zhang, Weizhe Lin, Aaron Zhang, Walterio W. Mayol-Cuevas, Junxiao Shen,
• Abstract要約: 世界中から撮影された高解像度画像を用いた大規模きめ細粒度データセットを提案する。 われわれのデータセットはドローンで撮影した空中画像を使って構築されており、現実世界のサイトレイアウトや建築構造をより正確に把握することができる。 このデータセットは、アーキテクチャ再構築から仮想観光まで、さまざまな3Dアプリケーションをサポートするマルチモーダルデータとのシームレスな統合を可能にする。
• 参考スコア（独自算出の注目度）: 11.486451047360248
• License:
• Abstract: In this paper, we present a large-scale fine-grained dataset using high-resolution images captured from locations worldwide. Compared to existing datasets, our dataset offers a significantly larger size and includes a higher level of detail, making it uniquely suited for fine-grained 3D applications. Notably, our dataset is built using drone-captured aerial imagery, which provides a more accurate perspective for capturing real-world site layouts and architectural structures. By reconstructing environments with these detailed images, our dataset supports applications such as the COLMAP format for Gaussian Splatting and the Structure-from-Motion (SfM) method. It is compatible with widely-used techniques including SLAM, Multi-View Stereo, and Neural Radiance Fields (NeRF), enabling accurate 3D reconstructions and point clouds. This makes it a benchmark for reconstruction and segmentation tasks. The dataset enables seamless integration with multi-modal data, supporting a range of 3D applications, from architectural reconstruction to virtual tourism. Its flexibility promotes innovation, facilitating breakthroughs in 3D modeling and analysis.
• Abstract（参考訳）: 本稿では,世界中から撮影された高解像度画像を用いた大規模きめ細粒度データセットを提案する。 既存のデータセットと比較して、我々のデータセットははるかに大きなサイズを提供しており、より詳細なレベルを含んでいるため、きめ細かい3Dアプリケーションに特に適している。 特に、我々のデータセットはドローンが捉えた空中画像を使って構築されており、現実世界のサイトレイアウトや建築構造をより正確に捉えることができる。 これらの詳細な画像を用いて環境を再構築することにより、ガウススティングのためのCOLMAPフォーマットやStructure-from-Motion(SfM)手法などのアプリケーションをサポートする。 SLAM、Multi-View Stereo、Neural Radiance Fields (NeRF)などの広く使われている技術と互換性があり、正確な3D再構成と点雲を実現する。 これにより、再構築とセグメンテーションタスクのベンチマークとなる。 このデータセットは、アーキテクチャ再構築から仮想観光まで、さまざまな3Dアプリケーションをサポートするマルチモーダルデータとのシームレスな統合を可能にする。 その柔軟性はイノベーションを促進し、3Dモデリングと分析のブレークスルーを促進する。

関連論文リスト

• Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics [50.23625950905638]
  6自由度(6-DOF)VR環境下での革新的な視線追跡実験により構築したテクスチャメッシュ・サリエンシのための新しいデータセットを提案する。 本モデルでは,各三角形の面を個々の単位として扱い,各局所表面領域の重要性を反映した塩分濃度値を割り当てることで,テクスチャメッシュ表面の塩分濃度マップを推定する。
  論文  参考訳（メタデータ） (2024-12-11T08:27:33Z)
• Open-Vocabulary High-Resolution 3D (OVHR3D) Data Segmentation and Annotation Framework [1.1280113914145702]
  本研究の目的は,3次元セグメンテーションタスクのための包括的で効率的なフレームワークの設計と開発である。 このフレームワークはGrounding DINOとSegment Any Modelを統合し、3Dメッシュによる2D画像レンダリングの強化によって強化される。
  論文  参考訳（メタデータ） (2024-12-09T07:39:39Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• Den-SOFT: Dense Space-Oriented Light Field DataseT for 6-DOF Immersive Experience [28.651514326042648]
  我々は,移動式マルチカメラ大空間高密度光場キャプチャシステムを構築した。 本研究の目的は,一般的な3次元シーン再構築アルゴリズムの開発に貢献することである。 収集されたデータセットは、既存のデータセットよりもはるかに密度が高い。
  論文  参考訳（メタデータ） (2024-03-15T02:39:44Z)
• Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
  本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。 既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:38:32Z)
• AutoDecoding Latent 3D Diffusion Models [95.7279510847827]
  本稿では,3次元オートデコーダをコアとした静的・明瞭な3次元アセットの生成に対して,新しいアプローチを提案する。 3D Autodecoderフレームワークは、ターゲットデータセットから学んだプロパティを潜時空間に埋め込む。 次に、適切な中間体積潜在空間を特定し、ロバストな正規化と非正規化演算を導入する。
  論文  参考訳（メタデータ） (2023-07-07T17:59:14Z)
• UniG3D: A Unified 3D Object Generation Dataset [75.49544172927749]
  UniG3Dは、ShapeNetデータセット上に普遍的なデータ変換パイプラインを用いて構築された、統一された3Dオブジェクト生成データセットである。 このパイプラインは、各生の3Dモデルを包括的なマルチモーダルデータ表現に変換する。 データセットのデータソースの選択は、そのスケールと品質に基づいています。
  論文  参考訳（メタデータ） (2023-06-19T07:03:45Z)
• MobileBrick: Building LEGO for 3D Reconstruction on Mobile Devices [78.20154723650333]
  高品質な3次元地下構造は3次元物体再構成評価に不可欠である。 本稿では,モバイルデバイスを用いた新しいマルチビューRGBDデータセットを提案する。 我々は,ハイエンド3Dスキャナーを使わずに,精密な3次元地下構造が得られる。
  論文  参考訳（メタデータ） (2023-03-03T14:02:50Z)
• A Real World Dataset for Multi-view 3D Reconstruction [28.298548207213468]
  日常のテーブルトップオブジェクトの371個の3Dモデルと,実世界のRGBと深度画像のデータセットを提示する。 私たちは主に、タスクに適切な実世界のベンチマークがないため、学習したマルチビューの3D再構成に注目し、データセットがそのギャップを埋めることを示す。
  論文  参考訳（メタデータ） (2022-03-22T00:15:54Z)
• Ground material classification and for UAV-based photogrammetric 3D data A 2D-3D Hybrid Approach [1.3359609092684614]
  近年,物理環境を表す3次元仮想データを作成するために,多くの領域でフォトグラム法が広く用いられている。 これらの最先端技術は、迅速な3D戦場再建、仮想訓練、シミュレーションを目的として、アメリカ陸軍と海軍の注意を引き付けている。
  論文  参考訳（メタデータ） (2021-09-24T22:29:26Z)

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。