論文の概要: Experimental Assessment of Neural 3D Reconstruction for Small UAV-based Applications

• arxiv url: http://arxiv.org/abs/2506.19491v1
• Date: Tue, 24 Jun 2025 10:25:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.59314
• Title: Experimental Assessment of Neural 3D Reconstruction for Small UAV-based Applications
• Title（参考訳）: 小型UAV応用のためのニューラル3次元再構成の実験的検討
• Authors: Genís Castillo Gómez-Raya, Álmos Veres-Vitályos, Filip Lemic, Pablo Royo, Mario Montagud, Sergi Fernández, Sergi Abadal, Xavier Costa-Pérez,
• Abstract要約: 無人航空機(UAV)の小型化は、その展開能力を屋内および難航地域に拡大した。 本稿では,ニューラル3Dレコンストラクション(N3DR)を小型UAVシステムと組み合わせることで,これらの制約を克服する新しいアプローチを提案する。 具体的には,N3DRをベースとしたパイプラインの設計,実装,評価を行う。
• 参考スコア（独自算出の注目度）: 12.16893489020317
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing miniaturization of Unmanned Aerial Vehicles (UAVs) has expanded their deployment potential to indoor and hard-to-reach areas. However, this trend introduces distinct challenges, particularly in terms of flight dynamics and power consumption, which limit the UAVs' autonomy and mission capabilities. This paper presents a novel approach to overcoming these limitations by integrating Neural 3D Reconstruction (N3DR) with small UAV systems for fine-grained 3-Dimensional (3D) digital reconstruction of small static objects. Specifically, we design, implement, and evaluate an N3DR-based pipeline that leverages advanced models, i.e., Instant-ngp, Nerfacto, and Splatfacto, to improve the quality of 3D reconstructions using images of the object captured by a fleet of small UAVs. We assess the performance of the considered models using various imagery and pointcloud metrics, comparing them against the baseline Structure from Motion (SfM) algorithm. The experimental results demonstrate that the N3DR-enhanced pipeline significantly improves reconstruction quality, making it feasible for small UAVs to support high-precision 3D mapping and anomaly detection in constrained environments. In more general terms, our results highlight the potential of N3DR in advancing the capabilities of miniaturized UAV systems.
• Abstract（参考訳）: 無人航空機(UAV)の小型化が進み、その展開能力は屋内および難航地域に拡大した。 しかし、この傾向は、特に飛行力学と電力消費の点で、UAVの自律性とミッション能力を制限する、異なる課題をもたらす。 本稿では,ニューラル3次元再構成(N3DR)と小型UAVシステムを統合することで,これらの制約を克服する新しい手法を提案する。 具体的には,Instant-ngp,Nerfacto,Splatfactoといった先進的なモデルを活用するN3DRベースのパイプラインの設計,実装,評価を行い,小型UAVによって捕捉された物体の画像を用いて3D再構成の品質を向上させる。 様々な画像と点クラウドのメトリクスを用いて検討したモデルの性能を評価し,ベースラインのStructure from Motion (SfM)アルゴリズムと比較した。 実験の結果,N3DR強化パイプラインは再現性を大幅に向上し,小型UAVでも高精度な3Dマッピングと異常検出が可能であることが示された。 より一般論として,我々は小型UAVシステムの能力向上におけるN3DRの可能性を強調した。

関連論文リスト

• UAVTwin: Neural Digital Twins for UAVs using Gaussian Splatting [57.63613048492219]
  UAVTwinは,無人航空機(UAV)に埋め込まれた下流モデルの訓練を行うための,実環境からデジタル双生児を作成する方法である。 これは、背景を再構築するための3Dガウススティング(3DGS)と、多様な外観と動作を複数のポーズで表示する制御可能な合成人間モデルを統合することで実現される。
  論文  参考訳（メタデータ） (2025-04-02T22:17:30Z)
• Bridging Domain Gap for Flight-Ready Spaceborne Vision [4.14360329494344]
  この研究は、既知の非協力的なターゲット宇宙船の単眼的なポーズ推定のためのニューラルネットワーク(NN)であるSpacecraft Pose Network v3(SPNv3)を提示する。 SPNv3は、オフラインのトレーニングや地上での検証で観測されていない、宇宙で撮影された画像に堅牢性を提供しながら、計算的に効率的であるように設計され、訓練されている。 実験により、最後のSPNv3は、コンピュータ生成合成画像のみを訓練しながら、ロボットテストベッドからのハードウェア・イン・ループ画像に対して、最先端の精度を達成できることが示されている。
  論文  参考訳（メタデータ） (2024-09-18T02:56:50Z)
• Optimized Deployment of Deep Neural Networks for Visual Pose Estimation on Nano-drones [9.806742394395322]
  小型無人航空機(UAV)は小型化が進み、屋内ナビゲーションや人体監視といった新しいタスクが可能になった。 本研究では,Deep Neural Networks (DNN) を用いた視覚的ポーズ推定タスクの自動最適化パイプラインを提案する。 その結果,アイソエラー時の予測遅延を最大3.22倍改善した。
  論文  参考訳（メタデータ） (2024-02-23T11:35:57Z)
• Instance-aware Multi-Camera 3D Object Detection with Structural Priors Mining and Self-Boosting Learning [93.71280187657831]
  カメラによる鳥眼視(BEV)知覚パラダイムは、自律運転分野において大きな進歩を遂げている。 画像平面のインスタンス認識をBEV検出器内の深度推定プロセスに統合するIA-BEVを提案する。
  論文  参考訳（メタデータ） (2023-12-13T09:24:42Z)
• NeRF-GAN Distillation for Efficient 3D-Aware Generation with Convolutions [97.27105725738016]
  GAN(Generative Adversarial Networks)のようなニューラルラジアンスフィールド(NeRF)と生成モデルの統合は、単一ビュー画像から3D認識生成を変換した。 提案手法は,ポーズ条件付き畳み込みネットワークにおいて,事前学習したNeRF-GANの有界遅延空間を再利用し,基礎となる3次元表現に対応する3D一貫性画像を直接生成する手法である。
  論文  参考訳（メタデータ） (2023-03-22T18:59:48Z)
• 3D Reconstruction of Non-cooperative Resident Space Objects using Instant NGP-accelerated NeRF and D-NeRF [0.0]
  この研究は、ニューラル放射場(NeRF)アルゴリズムの変動であるInstant NeRFとD-NeRFを軌道上のRSOをマッピングする問題に適応させる。 これらのアルゴリズムは、宇宙船モックアップの画像のデータセットを用いて、3次元再構成の品質とハードウェア要件を評価する。
  論文  参考訳（メタデータ） (2023-01-22T05:26:08Z)
• HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for Autonomous Driving [95.42203932627102]
  3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。 提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。 具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
  論文  参考訳（メタデータ） (2022-12-15T11:15:14Z)
• 3D Reconstruction of Multiple Objects by mmWave Radar on UAV [15.47494720280318]
  UAVに搭載されたミリ波レーダーセンサを用いて空間内の複数の物体の3次元形状を再構成する可能性を検討する。 UAVは宇宙の様々な場所でホバリングし、搭載されたレーダーセンサーはSAR(Synthetic Aperture Radar)操作で空間をスキャンすることで生のレーダーデータを収集する。 レーダデータはディープニューラルネットワークモデルに送信され、空間内の複数のオブジェクトの点雲再構成を出力する。
  論文  参考訳（メタデータ） (2022-11-03T21:23:36Z)

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。