論文の概要: Inpainting the Red Planet: Diffusion Models for the Reconstruction of Martian Environments in Virtual Reality

• arxiv url: http://arxiv.org/abs/2510.14765v1
• Date: Thu, 16 Oct 2025 15:02:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.915185
• Title: Inpainting the Red Planet: Diffusion Models for the Reconstruction of Martian Environments in Virtual Reality
• Title（参考訳）: 赤惑星の塗装:火星環境の再現のための拡散モデル
• Authors: Giuseppe Lorenzo Catalano, Agata Marta Soccini,
• Abstract要約: 訓練は、NASAのHiRISE調査から得られた12000個の火星高度マップで実施された。 非均一な再スケーリング戦略は、固定された128x128モデル解像度にリサイズする前に、複数のスケールにわたる地形の特徴をキャプチャする。 その結果,本手法は再建精度(RMSEでは4～15%)と知覚的類似性(LPIPSでは29～81%)において,元のデータより一貫して優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Space exploration increasingly relies on Virtual Reality for several tasks, such as mission planning, multidisciplinary scientific analysis, and astronaut training. A key factor for the reliability of the simulations is having accurate 3D representations of planetary terrains. Extraterrestrial heightmaps derived from satellite imagery often contain missing values due to acquisition and transmission constraints. Mars is among the most studied planets beyond Earth, and its extensive terrain datasets make the Martian surface reconstruction a valuable task, although many areas remain unmapped. Deep learning algorithms can support void-filling tasks; however, whereas Earth's comprehensive datasets enables the use of conditional methods, such approaches cannot be applied to Mars. Current approaches rely on simpler interpolation techniques which, however, often fail to preserve geometric coherence. In this work, we propose a method for reconstructing the surface of Mars based on an unconditional diffusion model. Training was conducted on an augmented dataset of 12000 Martian heightmaps derived from NASA's HiRISE survey. A non-homogeneous rescaling strategy captures terrain features across multiple scales before resizing to a fixed 128x128 model resolution. We compared our method against established void-filling and inpainting techniques, including Inverse Distance Weighting, kriging, and Navier-Stokes algorithm, on an evaluation set of 1000 samples. Results show that our approach consistently outperforms these methods in terms of reconstruction accuracy (4-15% on RMSE) and perceptual similarity (29-81% on LPIPS) with the original data.
• Abstract（参考訳）: 宇宙探査は、ミッション計画、多分野の科学分析、宇宙飛行士の訓練など、いくつかのタスクでバーチャルリアリティーにますます依存している。 シミュレーションの信頼性の鍵となる要素は、惑星の地形の正確な3D表現である。 衛星画像から得られた地球外高度マップは、取得と送信の制約により、しばしば値が欠落している。 火星は地球外で最も研究されている惑星の1つであり、その広大な地形のデータセットによって火星の表面の再構築は重要な課題となっているが、多くの領域は未マッピングのままである。 深層学習アルゴリズムは空白タスクをサポートすることができるが、地球の包括的なデータセットは条件付き手法の使用を可能にするが、火星には適用できない。 現在のアプローチは単純な補間技術に依存しているが、幾何学的コヒーレンスを保存するのにはしばしば失敗する。 本研究では,非条件拡散モデルに基づく火星表面の再構成手法を提案する。 訓練は、NASAのHiRISE調査から得られた12000個の火星高度マップで実施された。 非均一な再スケーリング戦略は、固定された128x128モデル解像度にリサイズする前に、複数のスケールにわたる地形の特徴をキャプチャする。 提案手法は,1000個のサンプルを用いて,逆距離重み付け,クリギング,ナビエ・ストークスアルゴリズムなど,確立された空隙充填および塗装技術と比較した。 その結果,本手法は再建精度(RMSEでは4～15%)と知覚的類似性(LPIPSでは29～81%)において,元のデータより一貫して優れていた。

関連論文リスト

• 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)
• M3Depth: Wavelet-Enhanced Depth Estimation on Mars via Mutual Boosting of Dual-Modal Data [16.951488779261343]
  火星探査機に適した深度推定モデルであるM3Depthを提案する。 火星の地形のスムーズでスムーズなテクスチャを考えると,このモデルにはウェーブレット変換に基づく畳み込みカーネルが組み込まれている。 M3Depthは、深さ推定における他の最先端手法と比較して、深さ推定精度が16%向上した。
  論文  参考訳（メタデータ） (2025-05-20T10:13:00Z)
• AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis [57.249817395828174]
  本研究では,3次元都市規模のメッシュからの擬似合成レンダリングと,実地レベルでのクラウドソース画像を組み合わせたスケーラブルなフレームワークを提案する。 擬似合成データは、幅広い空中視点をシミュレートする一方、実際のクラウドソース画像は、地上レベルの画像の視覚的忠実度を改善するのに役立つ。 このハイブリッドデータセットを使用して、いくつかの最先端のアルゴリズムを微調整し、実世界のゼロショット地上作業において大幅な改善を実現する。
  論文  参考訳（メタデータ） (2025-04-17T17:57:05Z)
• Vision-based Geo-Localization of Future Mars Rotorcraft in Challenging Illumination Conditions [4.6901215692204286]
  Geo-LoFTRは画像登録のための幾何学支援ディープラーニングモデルである。 提案方式は, 照明やスケールの変動による局所化精度において, 従来のMbLよりも優れていた。
  論文  参考訳（メタデータ） (2025-02-13T22:10:21Z)
• MaRF: Representing Mars as Neural Radiance Fields [1.4680035572775534]
  MARFは火星の環境を合成するためのフレームワークで、ローバーカメラの画像を何枚か集めている。 惑星地質学、シミュレートされた航法、形状解析などの惑星表面探査における重要な課題に対処する。 実験では,キュリオシティ・ローバー,パーセヴァンス・ローバー,インジェニティ・ヘリコプターによって捕獲された火星の実際のデータセットから生成された環境を実証した。
  論文  参考訳（メタデータ） (2022-12-03T18:58:00Z)
• 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
  本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。 本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
  論文  参考訳（メタデータ） (2022-07-13T16:40:02Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Latent World Models For Intrinsically Motivated Exploration [140.21871701134626]
  画像に基づく観察のための自己教師付き表現学習法を提案する。 我々は、部分的に観測可能な環境の探索を導くために、エピソードおよび寿命の不確実性を考慮する。
  論文  参考訳（メタデータ） (2020-10-05T19:47:04Z)

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。