論文の概要: A Neural Field-Based Approach for View Computation & Data Exploration in 3D Urban Environments

• arxiv url: http://arxiv.org/abs/2511.14742v1
• Date: Tue, 18 Nov 2025 18:41:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.263656
• Title: A Neural Field-Based Approach for View Computation & Data Exploration in 3D Urban Environments
• Title（参考訳）: 3次元都市環境における視野計算とデータ探索のためのニューラルネットワークによるアプローチ
• Authors: Stefan Cobeli, Kazi Shahrukh Omar, Rodrigo Valença, Nivan Ferreira, Fabio Miranda,
• Abstract要約: 本研究では,ベクトル場が環境からのビューを符号化する3次元データ探索のためのビューベースアプローチを提案する。 本稿では,3次元環境の効率的な暗黙的表現を構築するニューラルネットワーク手法を提案する。 提案手法は, 可視性評価, 日光暴露評価, 新規開発による視覚的影響評価などの重要な都市分析タスクを支援する。
• 参考スコア（独自算出の注目度）: 3.0854218828324336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the growing availability of 3D urban datasets, extracting insights remains challenging due to computational bottlenecks and the complexity of interacting with data. In fact, the intricate geometry of 3D urban environments results in high degrees of occlusion and requires extensive manual viewpoint adjustments that make large-scale exploration inefficient. To address this, we propose a view-based approach for 3D data exploration, where a vector field encodes views from the environment. To support this approach, we introduce a neural field-based method that constructs an efficient implicit representation of 3D environments. This representation enables both faster direct queries, which consist of the computation of view assessment indices, and inverse queries, which help avoid occlusion and facilitate the search for views that match desired data patterns. Our approach supports key urban analysis tasks such as visibility assessments, solar exposure evaluation, and assessing the visual impact of new developments. We validate our method through quantitative experiments, case studies informed by real-world urban challenges, and feedback from domain experts. Results show its effectiveness in finding desirable viewpoints, analyzing building facade visibility, and evaluating views from outdoor spaces. Code and data are publicly available at https://urbantk.org/neural-3d.
• Abstract（参考訳）: 3Dの都市データセットが利用可能になっているにもかかわらず、計算のボトルネックとデータとの相互作用の複雑さのため、洞察の抽出は依然として困難である。 実際、3次元都市環境の複雑な幾何学は、高い閉塞度をもたらし、大規模な探索を非効率にする広範囲な手動視点調整を必要とする。 これを解決するために,ベクトル場が環境からのビューを符号化する3次元データ探索のためのビューベースアプローチを提案する。 このアプローチを支援するために,3次元環境の効率的な暗黙的表現を構築するニューラルネットワークを用いた手法を提案する。 この表現は、ビューアセスメント指標の計算からなる高速な直接クエリと逆クエリの両方を可能にし、閉塞を回避するとともに、望ましいデータパターンにマッチするビューの検索を容易にする。 提案手法は, 可視性評価, 日光暴露評価, 新規開発による視覚的影響評価などの重要な都市分析タスクを支援する。 本手法は,定量的な実験,実世界の都市課題から得られたケーススタディ,ドメインエキスパートからのフィードバックを通じて検証する。 その結果, 望ましい視点の発見, ファサードの視認性の分析, 屋外空間からの視認性の評価における効果が示された。 コードとデータはhttps://urbantk.org/neural-3d.comで公開されている。

関連論文リスト

• VOccl3D: A Video Benchmark Dataset for 3D Human Pose and Shape Estimation under real Occlusions [12.739233840342958]
  VOccl3Dは3Dボディポーズと形状アノテーションを備えたビデオベースのヒューマンオクルージョンデータセットである。 AGORAやBEDLAMといった作品に触発されて,先進的なコンピュータグラフィックスレンダリング技術を用いてこのデータセットを構築した。
  論文  参考訳（メタデータ） (2025-08-09T00:13:46Z)
• Advances in Feed-Forward 3D Reconstruction and View Synthesis: A Survey [171.72616707259306]
  3D再構成とビュー合成は、拡張現実(AR)、仮想現実(VR)、デジタルツインといった没入型技術における基礎的な問題である。 深層学習によるフィードフォワードアプローチの最近の進歩は、高速で一般化可能な3次元再構成とビュー合成を可能にして、この分野に革命をもたらした。
  論文  参考訳（メタデータ） (2025-07-19T06:13:25Z)
• Spatial Understanding from Videos: Structured Prompts Meet Simulation Data [89.77871049500546]
  本稿では,事前学習された視覚言語モデルにおける3次元空間推論を,アーキテクチャを変更することなく拡張するための統一的なフレームワークを提案する。 このフレームワークは、複雑なシーンと質問を解釈可能な推論ステップに分解する構造化プロンプト戦略であるSpatialMindと、多様な3Dシミュレーションシーンから構築されたスケーラブルな質問応答データセットであるScanForgeQAを組み合わせる。
  論文  参考訳（メタデータ） (2025-06-04T07:36:33Z)
• Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
  本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。 一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
  論文  参考訳（メタデータ） (2024-06-17T07:43:53Z)
• RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
  マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。 本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
  論文  参考訳（メタデータ） (2023-12-19T03:39:56Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• A Simple Framework for 3D Occupancy Estimation in Autonomous Driving [16.605853706182696]
  本稿では,CNNをベースとした3次元占有率推定のための重要な要素をいくつか明らかにするフレームワークを提案する。 また,3次元占有率推定と,単眼深度推定や3次元再構成などの関連課題との関係についても検討した。
  論文  参考訳（メタデータ） (2023-03-17T15:57:14Z)
• A Comparison of Spatiotemporal Visualizations for 3D Urban Analytics [7.157706457130007]
  本稿では,建物表面の時間的解析を支援するために,3次元都市視覚分析がいかに有効かを検討する。 本研究では,3次元都市データの可視化に使用される4つの代表的な視覚的デザイン,空間的並置,時間的並置,連結ビュー,組込みビューを比較した。 その結果、参加者はプロットベースでより精度が高いが、カラーコードでより高速に可視化できることがわかった。
  論文  参考訳（メタデータ） (2022-08-10T14:38:13Z)

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。