論文の概要: High-fidelity lunar topographic reconstruction across diverse terrain and illumination environments using deep learning

• arxiv url: http://arxiv.org/abs/2601.09468v1
• Date: Wed, 14 Jan 2026 13:21:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.410982
• Title: High-fidelity lunar topographic reconstruction across diverse terrain and illumination environments using deep learning
• Title（参考訳）: 深層学習を用いた多様な地形・照明環境における高忠実月面地形復元
• Authors: Hao Chen, Philipp Gläser, Konrad Willner, Jürgen Oberst,
• Abstract要約: この研究は、より堅牢なスケール回復スキームを取り入れた、以前に提案されたDLフレームワークを基盤としている。 様々なスケール、形態学、地質学的年齢の月の地形を確実に再構築する。 これらの結果は、DLベースのアプローチは、高度な探査ミッションを支援するために広範囲な月面データセットを活用する可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 4.190898032627423
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Topographic models are essential for characterizing planetary surfaces and for inferring underlying geological processes. Nevertheless, meter-scale topographic data remain limited, which constrains detailed planetary investigations, even for the Moon, where extensive high-resolution orbital images are available. Recent advances in deep learning (DL) exploit single-view imagery, constrained by low-resolution topography, for fast and flexible reconstruction of fine-scale topography. However, their robustness and general applicability across diverse lunar landforms and illumination conditions remain insufficiently explored. In this study, we build upon our previously proposed DL framework by incorporating a more robust scale recovery scheme and extending the model to polar regions under low solar illumination conditions. We demonstrate that, compared with single-view shape-from-shading methods, the proposed DL approach exhibits greater robustness to varying illumination and achieves more consistent and accurate topographic reconstructions. Furthermore, it reliably reconstructs topography across lunar features of diverse scales, morphologies, and geological ages. High-quality topographic models are also produced for the lunar south polar areas, including permanently shadowed regions, demonstrating the method's capability in reconstructing complex and low-illumination terrain. These findings suggest that DL-based approaches have the potential to leverage extensive lunar datasets to support advanced exploration missions and enable investigations of the Moon at unprecedented topographic resolution.
• Abstract（参考訳）: 地形モデルは、惑星の表面を特徴づけ、基盤となる地質過程を推測するために不可欠である。 それでも、メートルスケールの地形データは限られており、大規模な高解像度の軌道画像が入手可能な月でさえ、詳細な惑星探査を制限している。 深層学習(DL)の最近の進歩は、低分解能トポグラフィで制約された単一視点画像を利用して、高速かつ柔軟な微視的トポグラフィの再構成を行っている。 しかし、様々な月の地形や照明条件にまたがる頑丈さや一般的な適用性はいまだに十分に調査されていない。 本研究では、より堅牢なスケール回復スキームを導入し、低太陽光環境下で極域にモデルを拡張することにより、これまで提案したDLフレームワークを構築した。 提案手法は, 単視点形状のシェーディング法と比較して, 照度変化に対するロバスト性が向上し, より整合性, 高精度な地形復元が可能であることを実証した。 さらに、様々なスケール、形態学、地質時代の月面地形を確実に再構築する。 高品質の地形モデルも、月の南極地域(永久に影の付いた地域を含む)のために作られ、複雑な低照度地形を再構築する手法の能力を実証している。 これらの結果は、DLベースのアプローチは、先進的な探査ミッションを支援し、前例のない地形の解像度で月の調査を可能にするために、広範な月のデータセットを活用する可能性があることを示唆している。

関連論文リスト

• Adapting Stereo Vision From Objects To 3D Lunar Surface Reconstruction with the StereoLunar Dataset [0.12314765641075437]
  月の最初のステレオ画像ペアのオープンデータセットであるLunarStereoを紹介する。 月面の南極周辺の様々な高度、照明条件、視角をカバーしている。 我々はLunarStereoの微調整によりMASt3Rモデルを月領域に適応させる。
  論文  参考訳（メタデータ） (2025-10-20T23:50:52Z)
• StrCGAN: A Generative Framework for Stellar Image Restoration [0.0]
  我々は、低解像度の天体写真画像を改善するために設計された生成モデルStrCGANを紹介する。 我々のゴールは、天体の高忠実な真実のような表現を再構築することであり、これは小望遠鏡観測の解像度と品質に制限があるため難しい課題である。
  論文  参考訳（メタデータ） (2025-09-24T06:42:32Z)
• STAR: A Benchmark for Astronomical Star Fields Super-Resolution [52.895107920663236]
  54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。 本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-22T09:28:28Z)
• ImplicitTerrain: a Continuous Surface Model for Terrain Data Analysis [14.013976303831313]
  ImplicitTerrainは、高解像度の地形を連続的に微分的にモデル化するための暗黙の神経表現(INR)アプローチである。 本実験では, 表面適合精度, 有効トポロジカル特徴抽出, 各種トポロジカル特徴抽出について検討した。
  論文  参考訳（メタデータ） (2024-05-31T23:05:34Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• High-Quality RGB-D Reconstruction via Multi-View Uncalibrated Photometric Stereo and Gradient-SDF [48.29050063823478]
  本稿では、カメラのポーズ、照明、アルベド、表面の正規化に取り組み、新しい多視点RGB-Dベースの再構成手法を提案する。 提案手法は,特定の物理モデルを用いて画像描画過程を定式化し,実際の表面の体積量を最適化する。
  論文  参考訳（メタデータ） (2022-10-21T19:09:08Z)
• Predicting Landsat Reflectance with Deep Generative Fusion [2.867517731896504]
  公共の衛星ミッションは一般に、空間分解能と時間分解能のトレードオフに結びついている。 これにより、植生の監視や人道的行動を支援する能力が損なわれる。 空間的・時間的特性の異なる製品を融合させて高解像度の光学画像を生成するための深部生成モデルの可能性を探る。
  論文  参考訳（メタデータ） (2020-11-09T21:06:04Z)
• Flood Extent Mapping based on High Resolution Aerial Imagery and DEM: A Hidden Markov Tree Approach [10.72081512622396]
  本稿では,高分解能空中画像のケーススタディにより,提案した地理的隠れマルコフ木モデルを評価する。 2016年のハリケーン・マシューの洪水で、ノースカロライナ州グリムズランド市とキンストン市の近くで、3つのシーンが植林された洪水原で選ばれた。 その結果,提案した隠れマルコフ木モデルは,機械学習アルゴリズムのいくつかの状態よりも優れていた。
  論文  参考訳（メタデータ） (2020-08-25T18:35:28Z)

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。