論文の概要: Construction of Digital Terrain Maps from Multi-view Satellite Imagery using Neural Volume Rendering
- arxiv url: http://arxiv.org/abs/2508.01386v1
- Date: Sat, 02 Aug 2025 14:29:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:21.853528
- Title: Construction of Digital Terrain Maps from Multi-view Satellite Imagery using Neural Volume Rendering
- Title（参考訳）: ニューラルボリュームレンダリングを用いた多視点衛星画像からのデジタル地形図の作成
- Authors: Josef X. Biberstein, Guilherme Cavalheiro, Juyeop Han, Sertac Karaman,
- Abstract要約: 衛星画像から直接テクスチャ化されたデジタル地形図を学習するために、ニューラルネットワークのボリュームレンダリング技術を適用する。
我々は、地球と火星の合成衛星データと実際の衛星データの両方について、我々の手法を実証する。
提案手法は,衛星画像の解像度とほぼ等しい地形予測精度で,有望な結果を示す。
- 参考スコア（独自算出の注目度）: 16.61956311882373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital terrain maps (DTMs) are an important part of planetary exploration, enabling operations such as terrain relative navigation during entry, descent, and landing for spacecraft and aiding in navigation on the ground. As robotic exploration missions become more ambitious, the need for high quality DTMs will only increase. However, producing DTMs via multi-view stereo pipelines for satellite imagery, the current state-of-the-art, can be cumbersome and require significant manual image preprocessing to produce satisfactory results. In this work, we seek to address these shortcomings by adapting neural volume rendering techniques to learn textured digital terrain maps directly from satellite imagery. Our method, neural terrain maps (NTM), only requires the locus for each image pixel and does not rely on depth or any other structural priors. We demonstrate our method on both synthetic and real satellite data from Earth and Mars encompassing scenes on the order of $100 \textrm{km}^2$. We evaluate the accuracy of our output terrain maps by comparing with existing high-quality DTMs produced using traditional multi-view stereo pipelines. Our method shows promising results, with the precision of terrain prediction almost equal to the resolution of the satellite images even in the presence of imperfect camera intrinsics and extrinsics.
- Abstract（参考訳）: デジタル地形地図(DTM)は惑星探査の重要な部分であり、入射時の地形の相対的な航法、降下、宇宙船の着陸、地上での航法の支援などの操作を可能にする。
ロボット探査のミッションがより野心的になるにつれて、高品質なDTMの必要性は高まる。
しかし、現在の最先端技術である衛星画像のための多視点ステレオパイプラインによるDTMの生成は困難であり、良好な結果を得るためには、手動で画像前処理が必要である。
本研究では,衛星画像から直接テクスチャ化されたデジタル地形図を学習するために,ニューラルネットワークのボリュームレンダリング技術を適用することで,これらの欠点に対処する。
我々の手法であるニューラル・ジオグラフィック・マップ(NTM)は、各画像画素の軌跡しか必要とせず、奥行きや他の構造的先行に頼らない。
我々は,地球と火星の合成衛星データと実衛星データの両方について,100ドル<textrm{km}^2$の順にシーンを包含する手法を実証した。
従来の多視点ステレオパイプラインを用いた高品質DTMと比較し,出力地形図の精度を評価する。
提案手法は,不完全なカメラ内在と外在物の存在下においても,衛星画像の解像度とほぼ等しい地形予測の精度で,有望な結果を示す。
関連論文リスト
- OmniUnet: A Multimodal Network for Unstructured Terrain Segmentation on Planetary Rovers Using RGB, Depth, and Thermal Imagery [0.5837061763460748]
この研究は、RGB、深さ、熱画像を用いたセマンティックセグメンテーションのためのトランスフォーマーベースのニューラルネットワークアーキテクチャであるOmniUnetを提示する。
カスタム・マルチモーダル・センサー・ハウジングは3Dプリンティングを使用して開発され、マーチャン・ローバー・テストベッド・フォー・オートノミーに搭載された。
このデータセットのサブセットは手動でラベル付けされ、ネットワークの教師付きトレーニングをサポートする。
推論テストでは、リソース制約されたコンピュータで平均673msの予測時間を得た。
論文 参考訳（メタデータ） (2025-08-01T12:23:29Z) - Martian World Models: Controllable Video Synthesis with Physically Accurate 3D Reconstructions [116.56517155163716]
本研究では,実際のステレオナビゲーション画像から3次元火星環境を再構築するデータキュレーションパイプラインを提案する。
火星の地形ビデオジェネレータMarsGenは、データにエンコードされた3D構造と視覚的にリアルで幾何学的に整合した新しいビデオを合成する。
提案手法は、地上データセットで訓練された映像合成モデルより優れ、優れた視覚的忠実度と3次元構造整合性を実現する。
論文 参考訳（メタデータ） (2025-07-10T17:54:27Z) - Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。
実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
論文 参考訳（メタデータ） (2024-09-25T13:33:28Z) - Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
本稿では,ハイブリッド画像前処理パイプラインを統合することで,障害を克服する新しい計算イメージングフレームワークを提案する。
我々は,中国の江東宇宙ステーションと国際宇宙ステーションの合成衛星データセットとオンスキー観測の両方にアプローチを検証した。
我々のフレームワークは地球からの高忠実度3D衛星監視を可能にし、宇宙状況認識のためのコスト効率の良い代替手段を提供する。
論文 参考訳（メタデータ） (2024-04-29T03:13:09Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。
提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
論文 参考訳（メタデータ） (2023-12-06T16:53:17Z) - Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。
ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。
PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文 参考訳（メタデータ） (2023-08-31T16:26:17Z) - On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳（メタデータ） (2023-08-01T09:14:20Z) - Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。
本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文 参考訳（メタデータ） (2022-07-27T13:16:39Z) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳（メタデータ） (2022-06-16T10:45:17Z) - Seamless Satellite-image Synthesis [1.3401746329218014]
2Dデータは安価で容易だが、正確な衛星画像は高価であり、しばしば利用できない、または時代遅れである。
我々のアプローチは、スケール空間を通して一貫した任意の範囲のシームレスなテクスチャである。
論文 参考訳（メタデータ） (2021-11-05T10:42:24Z) - CloudFindr: A Deep Learning Cloud Artifact Masker for Satellite DEM Data [2.586482458060451]
衛星画像からアーティファクトを除去するクラウドアーティファクトマスクを作成する方法について述べる。
従来の手法と比較して,本手法はマルチチャンネルのスペクトル画像を必要としないが,DEM(シングルチャンネルディジタル標高モデル)でうまく機能する。
DEMは地球の地形の表現であり、惑星科学、地質学、洪水モデリング、都市計画など様々な応用がある。
論文 参考訳（メタデータ） (2021-10-26T16:15:17Z)
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。