論文の概要: SAT-SKYLINES: 3D Building Generation from Satellite Imagery and Coarse Geometric Priors

• arxiv url: http://arxiv.org/abs/2508.18531v1
• Date: Mon, 25 Aug 2025 22:03:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.613684
• Title: SAT-SKYLINES: 3D Building Generation from Satellite Imagery and Coarse Geometric Priors
• Title（参考訳）: SAT-SKYLINES:衛星画像と粗い幾何学的先行画像からの3次元構築
• Authors: Zhangyu Jin, Andrew Feng,
• Abstract要約: サットスカイライン(SatSkylines)は、衛星画像と粗い幾何学的先行画像を利用する3Dビルディング・ジェネレーション・アプローチである。 Skylines-50Kは、5万以上のユニークでスタイリングされた3Dビルディングアセットからなる大規模なデータセットです。
• 参考スコア（独自算出の注目度）: 1.53435785309952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present SatSkylines, a 3D building generation approach that takes satellite imagery and coarse geometric priors. Without proper geometric guidance, existing image-based 3D generation methods struggle to recover accurate building structures from the top-down views of satellite images alone. On the other hand, 3D detailization methods tend to rely heavily on highly detailed voxel inputs and fail to produce satisfying results from simple priors such as cuboids. To address these issues, our key idea is to model the transformation from interpolated noisy coarse priors to detailed geometries, enabling flexible geometric control without additional computational cost. We have further developed Skylines-50K, a large-scale dataset of over 50,000 unique and stylized 3D building assets in order to support the generations of detailed building models. Extensive evaluations indicate the effectiveness of our model and strong generalization ability.
• Abstract（参考訳）: サットスカイライン(SatSkylines)は、衛星画像と粗い幾何学的先行画像を利用する3Dビルディング・ジェネレーション・アプローチである。 正確な幾何学的ガイダンスがなければ、既存の画像ベースの3D生成手法は、衛星画像のトップダウンビューのみから正確な建物構造を復元するのに苦労する。 一方、3D明細化法は高精細なボクセル入力に大きく依存する傾向があり、キュービイドのような単純な先行手法から満足な結果が得られない傾向にある。 これらの問題に対処するため、我々は補間された雑音の粗い先行値から詳細な測地への変換をモデル化し、計算コストを増すことなく柔軟な幾何学的制御を可能にする。 Skylines-50Kは、5万以上のユニークでスタイリッシュな3Dビルディングアセットの大規模なデータセットで、より詳細なビルディングモデルの世代をサポートする。 広範囲な評価は、我々のモデルの有効性と強力な一般化能力を示している。

関連論文リスト

• Sat2City: 3D City Generation from A Single Satellite Image with Cascaded Latent Diffusion [18.943643720564996]
  Sat2Cityは、スパースボクセルグリッドの表現能力を潜在拡散モデルと相乗化する新しいフレームワークである。 衛星視高マップと組み合わせた大規模3D都市を合成したデータセットを提案する。 本フレームワークは, 衛星画像から詳細な3次元構造を生成し, 既存の都市モデルに比べ, 忠実度に優れていた。
  論文  参考訳（メタデータ） (2025-07-06T14:30:08Z)
• HORT: Monocular Hand-held Objects Reconstruction with Transformers [61.36376511119355]
  モノクロ画像から手持ちの物体を3Dで再構成することは、コンピュータビジョンにおいて重要な課題である。 ハンドヘルドオブジェクトの高密度な3次元点群を効率的に再構成するトランスフォーマーモデルを提案する。 提案手法は,高速な推測速度で最先端の精度を達成し,画像の幅を最適化する。
  論文  参考訳（メタデータ） (2025-03-27T09:45:09Z)
• SuperCarver: Texture-Consistent 3D Geometry Super-Resolution for High-Fidelity Surface Detail Generation [70.76810765911499]
  粗いメッシュ上にテクスチャ一貫性のある表面の詳細を補うための3次元幾何学的超解像パイプラインであるSuperCarverを紹介する。 実験により、私たちのSuperCarverは実際のテクスチャの外観によって描写された現実的で表現力のある表面の詳細を生成することができることが示された。
  論文  参考訳（メタデータ） (2025-03-12T14:38:45Z)
• Hyperbolic-constraint Point Cloud Reconstruction from Single RGB-D Images [19.23499128175523]
  我々は3次元点雲再構成に双曲空間を導入し、低歪みの点雲における複雑な階層構造を表現・理解できるようにする。 我々のモデルは既存のモデルよりも優れており、アブレーション研究は我々のモデルとその構成要素の重要性を実証している。
  論文  参考訳（メタデータ） (2024-12-12T08:27:39Z)
• 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)
• GeoGen: Geometry-Aware Generative Modeling via Signed Distance Functions [22.077366472693395]
  単一ビューコレクションから3次元形状と画像を合成するための新しい生成手法を提案する。 ニューラルラディアンス場を用いたボリュームレンダリングを用いることで、生成した幾何学はノイズが多く、制約がないという重要な制限を継承する。 エンド・ツー・エンドで訓練された新しいSDFベースの3D生成モデルであるGeoGenを提案する。
  論文  参考訳（メタデータ） (2024-06-06T17:00:10Z)
• LAM3D: Large Image-Point-Cloud Alignment Model for 3D Reconstruction from Single Image [64.94932577552458]
  大規模再構成モデルは、単一または複数入力画像から自動3Dコンテンツ生成の領域において大きな進歩を遂げている。 彼らの成功にもかかわらず、これらのモデルはしばしば幾何学的不正確な3Dメッシュを生成し、画像データからのみ3D形状を推論する固有の課題から生まれた。 生成した3Dメッシュの忠実度を高めるために3Dポイントクラウドデータを利用する新しいフレームワークであるLarge Image and Point Cloud Alignment Model (LAM3D)を導入する。
  論文  参考訳（メタデータ） (2024-05-24T15:09:12Z)

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。