Fugu-MT 論文翻訳(概要): A-TDOM: Active TDOM via On-the-Fly 3DGS

論文の概要: A-TDOM: Active TDOM via On-the-Fly 3DGS

arxiv url: http://arxiv.org/abs/2509.12759v2
Date: Thu, 18 Sep 2025 08:45:24 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-19 13:12:58.930238
Title: A-TDOM: Active TDOM via On-the-Fly 3DGS
Title（参考訳）: A-TDOM: On-the-Fly 3DGSによるアクティブなTDOM
Authors: Yiwei Xu, Xiang Wang, Yifei Yu, Wentian Gan, Luca Morelli, Giulio Perda, Xiongwu Xiao, Zongqian Zhan, Xin Wang, Fabio Remondino,
Abstract要約: A-TDOM は On-the-Fly 3DGS 最適化に基づくリアルタイム TDOM 生成手法である。提案したA-TDOMは、TDOMをほぼリアルタイムで高速にレンダリングすることができ、新しい画像ごとに3DGSの最適化を行うことができる。
参考スコア（独自算出の注目度）: 12.834974861545192
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: True Digital Orthophoto Map (TDOM) serves as a crucial geospatial product in various fields such as urban management, city planning, land surveying, etc. However, traditional TDOM generation methods generally rely on a complex offline photogrammetric pipeline, resulting in delays that hinder real-time applications. Moreover, the quality of TDOM may degrade due to various challenges, such as inaccurate camera poses or Digital Surface Model (DSM) and scene occlusions. To address these challenges, this work introduces A-TDOM, a near real-time TDOM generation method based on On-the-Fly 3DGS optimization. As each image is acquired, its pose and sparse point cloud are computed via On-the-Fly SfM. Then new Gaussians are integrated and optimized into previously unseen or coarsely reconstructed regions. By integrating with orthogonal splatting, A-TDOM can render just after each update of a new 3DGS field. Initial experiments on multiple benchmarks show that the proposed A-TDOM is capable of actively rendering TDOM in near real-time, with 3DGS optimization for each new image in seconds while maintaining acceptable rendering quality and TDOM geometric accuracy.
Abstract（参考訳）: 真のデジタルオルソフォトマップ (TDOM) は, 都市管理, 都市計画, 土地測量など, 様々な分野において重要な地理空間製品として機能している。しかし、従来のTDOM生成方法は一般的に複雑なオフラインのフォトグラムパイプラインに依存しており、結果としてリアルタイムアプリケーションを妨げる遅延が発生する。さらに、不正確なカメラポーズやDSM(Digital Surface Model)やシーンオクルージョンといった様々な課題により、TDOMの品質は低下する可能性がある。これらの課題に対処するため,本研究では,On-the-Fly 3DGS最適化に基づくほぼリアルタイムなTDOM生成手法であるA-TDOMを紹介する。各画像を取得すると、そのポーズとスパースポイントクラウドはOn-the-Fly SfMを介して計算される。その後、新しいガウシアンが統合され、以前は見えなかった、あるいは粗く再建された地域に最適化される。直交スプラッティングとの統合により、A-TDOMは新しい3DGSフィールドの更新の直後にレンダリングできる。複数のベンチマークでの最初の実験では、提案したA-TDOMはTDOMをほぼリアルタイムでレンダリングでき、新しい画像ごとに3DGSの最適化が可能であり、許容されたレンダリング品質とTDOMの幾何的精度を維持している。

関連論文リスト

TIMI: Training-Free Image-to-3D Multi-Instance Generation with Spatial Fidelity [126.89088014048001]
本研究では,高空間忠実度を実現する画像から3次元のマルチインスタンス生成のためのトレーニングフリーフレームワークを提案する。具体的には、まずインスタンス認識分離誘導(ISG)モジュールを導入し、インスタンスのアンタングル化を容易にする。次に、空間適応型幾何安定化更新(SGU)モジュールを考案し、インスタンスの幾何学的特性の保存を促進する。
論文参考訳（メタデータ） (2026-03-02T02:10:28Z)
MS-GS: Multi-Appearance Sparse-View 3D Gaussian Splatting in the Wild [47.52462219920857]
野生の写真コレクションは、しばしば限られた量の画像を含んでおり、複数の外観を示す。 3DGS を用いたスパースビューシナリオにおけるマルチアジュアンス機能を備えた新しいフレームワーク MS-GS を提案する。我々は,MS-GSが様々な難解な視界とマルチアジュアンス条件下でフォトリアリスティックレンダリングを実現することを実証した。
論文参考訳（メタデータ） (2025-09-19T03:06:49Z)
Geometric Prior-Guided Neural Implicit Surface Reconstruction in the Wild [13.109693095684921]
暗黙の曲面最適化プロセスに複数の幾何学的制約を適用する新しい手法を提案する。まず,SfM(Structure-from-motion)からのスパース3Dポイントを用いて,再構成表面の符号付き距離関数推定を改良する。また、エッジ事前フィルタリングとマルチビュー整合性制約によって強化された正規予測器から導出される頑健な正規事前処理も採用する。
論文参考訳（メタデータ） (2025-05-12T09:17:30Z)
High-Quality Spatial Reconstruction and Orthoimage Generation Using Efficient 2D Gaussian Splatting [8.251536008292915]
True Digital Orthophoto Maps(TDOM)を特徴付ける高精度な幾何精度と高密度画像特徴本研究は2次元ガウススプラッティング(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。
論文参考訳（メタデータ） (2025-03-25T14:30:37Z)
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)
GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
論文参考訳（メタデータ） (2024-11-29T03:54:54Z)
TranSplat: Generalizable 3D Gaussian Splatting from Sparse Multi-View Images with Transformers [14.708092244093665]
我々は,正確な局所特徴マッチングを導くために,予測深度信頼マップを利用する戦略を開発する。本稿では,RealEstate10KベンチマークとACIDベンチマークの両方で最高の性能を示すTranSplatという新しいG-3DGS手法を提案する。
論文参考訳（メタデータ） (2024-08-25T08:37:57Z)
Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
論文参考訳（メタデータ） (2024-07-26T06:29:09Z)
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)
Improving 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両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。 LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。特に、LPMは静的3DGSとダイナミックな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)
MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
論文参考訳（メタデータ） (2024-04-01T04:57:41Z)

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。