論文の概要: High-Quality Spatial Reconstruction and Orthoimage Generation Using Efficient 2D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2503.19703v1
• Date: Tue, 25 Mar 2025 14:30:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:54:03.476417
• Title: High-Quality Spatial Reconstruction and Orthoimage Generation Using Efficient 2D Gaussian Splatting
• Title（参考訳）: 効率的な2次元ガウススプラッティングによる高品質空間再構成とオルソイメージ生成
• Authors: Qian Wang, Zhihao Zhan, Jialei He, Zhituo Tu, Xiang Zhu, Jie Yuan,
• Abstract要約: 本研究は、True Digital Orthophoto Maps(TDOM)のための2DGS(2DGS)に根ざした代替手法を提案する。 ディバイド・アンド・コンカ戦略は、リソースコストの低い高解像度のTDOMによる優れたGSトレーニングとレンダリングを実現する。 大規模景観復元と高精度地形モデリングの効率性を示す実験結果が得られた。
• 参考スコア（独自算出の注目度）: 8.251536008292915
• License:
• Abstract: Highly accurate geometric precision and dense image features characterize True Digital Orthophoto Maps (TDOMs), which are in great demand for applications such as urban planning, infrastructure management, and environmental monitoring. Traditional TDOM generation methods need sophisticated processes, such as Digital Surface Models (DSM) and occlusion detection, which are computationally expensive and prone to errors. This work presents an alternative technique rooted in 2D Gaussian Splatting (2DGS), free of explicit DSM and occlusion detection. With depth map generation, spatial information for every pixel within the TDOM is retrieved and can reconstruct the scene with high precision. Divide-and-conquer strategy achieves excellent GS training and rendering with high-resolution TDOMs at a lower resource cost, which preserves higher quality of rendering on complex terrain and thin structure without a decrease in efficiency. Experimental results demonstrate the efficiency of large-scale scene reconstruction and high-precision terrain modeling. This approach provides accurate spatial data, which assists users in better planning and decision-making based on maps.
• Abstract（参考訳）: 高精度な幾何学的精度と高密度画像は、都市計画、インフラ管理、環境モニタリングなどのアプリケーションに非常に需要があるTrue Digital Orthophoto Maps(TDOM)を特徴付ける。 従来のTDOM生成法では、DSM(Digital Surface Models)やオクルージョン検出(Occlusion detection)といった高度なプロセスが必要であり、計算コストがかかりエラーが生じる。 本研究は,2次元ガウススプラッティング(2DGS)に根ざした,明示的なDSMと閉塞検出を伴わない代替手法を提案する。 深度マップ生成により、TDOM内の各画素の空間情報を検索し、高精度にシーンを再構築することができる。 複雑な地形や細い構造のレンダリングの質を効率を低下させることなく維持し,高解像度のTDOMを用いた優れたGSトレーニングとレンダリングを実現する。 大規模景観復元と高精度地形モデリングの効率性を示す実験結果が得られた。 このアプローチは正確な空間データを提供し、地図に基づいたより良い計画と意思決定を支援する。

関連論文リスト

• GeoTexDensifier: Geometry-Texture-Aware Densification for High-Quality Photorealistic 3D Gaussian Splatting [16.859890870048076]
  3D Gaussian Splatting (3DGS)は,3Dナビゲーション,VR(Virtual Reality),3Dシミュレーションなど,様々な分野で注目を集めている。 高品質な3DGSの再構成は、実際の幾何学的表面とテクスチャの細部を適合させるために十分なスプラットと適切な分布に依存している。 提案するGeoTexDensifierは,高品質なガウススプラットを再構築するためのジオテクスチャ対応デンシフィケーション戦略である。
  論文  参考訳（メタデータ） (2024-12-22T00:25:53Z)
• Radiant: Large-scale 3D Gaussian Rendering based on Hierarchical Framework [13.583584930991847]
  大規模シーン再構成のための階層型3DGSアルゴリズムであるRadiantを提案する。 Radiantは、リビルド品質を最大25.7%改善し、エンドツーエンドのレイテンシを79.6%削減した。
  論文  参考訳（メタデータ） (2024-12-07T05:48:00Z)
• 2DGS-Room: Seed-Guided 2D Gaussian Splatting with Geometric Constrains for High-Fidelity Indoor Scene Reconstruction [3.8879997968084137]
  高忠実度屋内シーン再構築のための2次元ガウス平滑化手法である2DGS-Roomを導入する。 我々は2次元ガウス分布を制御するためにシード誘導機構を用い、適応的な成長と刈り取り機構によって動的に最適化されたシードポイントの密度を推定した。 幾何的精度をさらに向上するために,単眼深度と通常の先行値を組み合わせて,細部と無テクスチャ領域の制約をそれぞれ与える。
  論文  参考訳（メタデータ） (2024-12-04T16:17:47Z)
• ULSR-GS: Ultra Large-scale Surface Reconstruction Gaussian Splatting with Multi-View Geometric Consistency [2.183054716058417]
  超大規模シーンにおける高忠実表面抽出のためのフレームワークであるULSR-GSを提案する。 具体的には、多視点最適ビューマッチング原理と相まって、ポイント・ツー・フォト・パーティショニング手法を提案する。 訓練中、ULSR-GSは表面抽出の詳細を強化するために、多視点の幾何整合性に基づく密度化戦略を採用している。
  論文  参考訳（メタデータ） (2024-12-02T11:42:35Z)
• Tortho-Gaussian: Splatting True Digital Orthophoto Maps [12.796166971391774]
  真のデジタルオルソフォトマップ(TDOM)は、デジタル双生児と地理情報システム(GIS)にとって不可欠な製品である 伝統的に、TDOM生成は、様々な課題のために悪化する可能性のある、伝統的なフォトグラムプロセスの複雑なセットを含む。 Tortho-Gaussianは3次元ガウススティング(3DGS)にインスパイアされた新しい手法で、最適化された異方性ガウスカーネルのスティングによってDOMを生成する。
  論文  参考訳（メタデータ） (2024-11-29T10:22:38Z)
• Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
  ビット深度圧縮は、微妙な変化のある領域で均一な深度表現を生成し、詳細情報の回復を妨げる。 密集したランダムノイズは、シーンのグローバルな幾何学的構造を推定する精度を低下させる。 圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:37:30Z)
• CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes [53.107474952492396]
  CityGaussianV2は大規模なシーン再構築のための新しいアプローチである。 分解段階の密度化・深さ回帰手法を実装し, ぼやけたアーチファクトを除去し, 収束を加速する。 本手法は, 視覚的品質, 幾何学的精度, ストレージ, トレーニングコストの両立を図っている。
  論文  参考訳（メタデータ） (2024-11-01T17:59:31Z)
• 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)
• Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の双方の最も高い需要において、これらの誤り貢献ゾーンを特定することができる。 LPMは特定ゾーンに点密度を適用し、これらの領域の前に位置する点の不透明度をリセットし、不条件点を補正する新たな機会を創出する。 特に、LPMはバニラ3DGSとSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)

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。