論文の概要: Neural reconstruction of 3D ocean wave hydrodynamics from camera sensing

• arxiv url: http://arxiv.org/abs/2512.06024v1
• Date: Thu, 04 Dec 2025 11:23:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.155387
• Title: Neural reconstruction of 3D ocean wave hydrodynamics from camera sensing
• Title（参考訳）: カメラセンシングによる3次元海洋波動流体のニューラル再構成
• Authors: Jiabin Liu, Zihao Zhou, Jialei Yan, Anxin Guo, Alvise Benetazzo, Hui Li,
• Abstract要約: 本稿では,波動の多段階的・時間的に連続的な特性に特化して,注目を増進したピラミッド構造を提案する。 実時間条件下での実験では、中央地域でのミリ波レベルの波高上昇予測、0.01Hz未満の主周波数誤差、高周波スペクトルパワー則の正確な推定、非線形速度場の高忠実度3次元再構成が示されている。
• 参考スコア（独自算出の注目度）: 15.737948775422263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Precise three-dimensional (3D) reconstruction of wave free surfaces and associated velocity fields is essential for developing a comprehensive understanding of ocean physics. To address the high computational cost of dense visual reconstruction in long-term ocean wave observation tasks and the challenges introduced by persistent visual occlusions, we propose an wave free surface visual reconstruction neural network, which is designed as an attention-augmented pyramid architecture tailored to the multi-scale and temporally continuous characteristics of wave motions. Using physics-based constraints, we perform time-resolved reconstruction of nonlinear 3D velocity fields from the evolving free-surface boundary. Experiments under real-sea conditions demonstrate millimetre-level wave elevation prediction in the central region, dominant-frequency errors below 0.01 Hz, precise estimation of high-frequency spectral power laws, and high-fidelity 3D reconstruction of nonlinear velocity fields, while enabling dense reconstruction of two million points in only 1.35 s. Built on a stereo-vision dataset, the model outperforms conventional visual reconstruction approaches and maintains strong generalization in occluded conditions, owing to its global multi-scale attention and its learned encoding of wave propagation dynamics.
• Abstract（参考訳）: 波浪自由表面とそれに伴う速度場の精密な3次元再構成は、海洋物理学の包括的理解を開発する上で不可欠である。 長期間の海洋波観測作業における高密度視覚再構成の計算コストと、持続的な視覚閉塞による課題に対処するため、波動のマルチスケールおよび時間的に連続した特性に合わせた、注目増強されたピラミッドアーキテクチャとして設計された波面視覚再構成ニューラルネットワークを提案する。 物理に基づく制約を用いて、進化する自由表面境界から非線形3次元速度場の時間分解再構成を行う。 実測条件下での実験では、中央地域でのミリ波レベルの波高上昇予測、0.01Hz未満の主周波数誤差、高周波数スペクトルパワー則の正確な推定、非線形速度場の高精度な3次元再構成、そしてわずか1.35秒で200万点の高密度な再構成を可能にした。 ステレオビジョンデータセットに基づいて構築されたこのモデルは、従来の視覚的再構成手法よりも優れており、そのグローバルなマルチスケールの注意と、その学習された波動伝播ダイナミクスの符号化のため、隠蔽状態の強い一般化を維持している。

関連論文リスト

• Wavefront-Constrained Passive Obscured Object Detection [18.56759054781774]
  視界の向こう側にあるかすかな光のパターンから、隠された物体を正確に位置決めし、セグメンテーションすることは極めて困難である。 既存のほとんどの手法は、実数値モデリングや局所的な畳み込み操作に基づいており、コヒーレント光伝播の基礎となる物理を捉えるには不十分である。 本稿では,波面伝播をシミュレーションし,不明瞭な物体の知覚を高める物理駆動型波面伝搬補償ネットワーク(WavePCNet)を提案する。
  論文  参考訳（メタデータ） (2025-11-26T02:46:15Z)
• Bridging ocean wave physics and deep learning: Physics-informed neural operators for nonlinear wavefield reconstruction in real-time [0.0]
  空間的・時間的に位相分解された非線形海洋波動場をスパース測定により再構成する枠組みを提案する。 これは、海洋重力波の自由表面境界条件の残余をPINOの損失関数に埋め込むことによって達成される。 以上の結果から,PINOは高精度でリアルタイムな再構成を可能にし,広範囲の波動条件で頑健に一般化できることが示唆された。
  論文  参考訳（メタデータ） (2025-08-05T10:50:41Z)
• A Causality- and Frequency-Aware Deep Learning Framework for Wave Elevation Prediction Behind Floating Breakwaters [7.667077185318874]
  既存のディープラーニングアプローチは、目に見えない操作条件下での限定的な一般化能力を示す。 E2E-FANetは、波と構造物の関係をモデル化するために設計された、新しいエンドツーエンドニューラルネットワークである。 主流モデルと比較して予測精度とロバストな一般化を実現している。
  論文  参考訳（メタデータ） (2025-05-10T16:28:48Z)
• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• WaveNeRF: Wavelet-based Generalizable Neural Radiance Fields [149.2296890464997]
  我々は、ウェーブレット周波数分解をMVSとNeRFに統合したWaveNeRFを設計する。 WaveNeRFは、3つの画像のみを入力として与えたときに、より優れた一般化可能な放射場モデリングを実現する。
  論文  参考訳（メタデータ） (2023-08-09T09:24:56Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• DehazeNeRF: Multiple Image Haze Removal and 3D Shape Reconstruction using Neural Radiance Fields [56.30120727729177]
  DehazeNeRFは,湿潤な環境下で頑健に動作するフレームワークとして紹介する。 提案手法は,複数視点のヘイズ除去,新しいビュー合成,既存手法が失敗する3次元形状再構成を成功させるものである。
  論文  参考訳（メタデータ） (2023-03-20T18:03:32Z)

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。