論文の概要: TreeDGS: Aerial Gaussian Splatting for Distant DBH Measurement

• arxiv url: http://arxiv.org/abs/2601.12823v2
• Date: Sun, 25 Jan 2026 06:17:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:06.820533
• Title: TreeDGS: Aerial Gaussian Splatting for Distant DBH Measurement
• Title（参考訳）: TreeDGS: 遠距離DBH計測のための空中ガウススプラッティング
• Authors: Belal Shaheen, Minh-Hieu Nguyen, Bach-Thuan Bui, Shubham, Tim Wu, Michael Fairley, Matthew David Zane, Michael Wu, James Tompkin,
• Abstract要約: 本稿では,3次元ガウス平滑化を利用した空中画像再構成手法であるTreeDGSについて述べる。 DBHが測定された10個のプロットで評価され、TreeDGSは4.79,cm RMSEに達し、最先端のLiDARベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 5.748676513340876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial remote sensing enables efficient large-area surveying, but accurate direct object-level measurement remains difficult in complex natural scenes. Recent advancements in 3D vision, particularly learned radiance-field representations such as NeRF and 3D Gaussian Splatting, have begun to raise the ceiling on reconstruction fidelity and densifiable geometry from posed imagery. Nevertheless, direct aerial measurement of important natural attributes such as tree diameter at breast height (DBH) remains challenging. Trunks in aerial forest scans are distant and sparsely observed in image views: at typical operating altitudes, stems may span only a few pixels. With these constraints, conventional reconstruction methods leave breast-height trunk geometry weakly constrained. We present TreeDGS, an aerial image reconstruction method that leverages 3D Gaussian Splatting as a continuous, densifiable scene representation for trunk measurement. After SfM--MVS initialization and Gaussian optimization, we extract a dense point set from the Gaussian field using RaDe-GS's depth-aware cumulative-opacity integration and associate each sample with a multi-view opacity reliability score. Then, we estimate DBH from trunk-isolated points using opacity-weighted solid-circle fitting. Evaluated on 10 plots with field-measured DBH, TreeDGS reaches 4.79,cm RMSE (about 2.6 pixels at this GSD) and outperforms a state-of-the-art LiDAR baseline (7.91,cm RMSE). This shows that TreeDGS can enable accurate, low-cost aerial DBH measurement
• Abstract（参考訳）: 空中リモートセンシングは高効率な大面積サーベイを可能にするが、複雑な自然界では正確な物体レベルの測定は難しいままである。 近年の3次元視覚の進歩、特にNeRFや3D Gaussian Splattingのような学習された放射界表現は、画像から再現の忠実度と立体視の幾何性に対する天井を高くし始めている。 それにもかかわらず、乳房高さ(DBH)における樹木の直径などの重要な自然特性の直接的測定は依然として困難である。 空中森林スキャンのトランクは遠方にあり、画像ではわずかに観察されている:典型的な運用高度では、茎はわずか数ピクセルにしか達しない。 これらの制約により、従来の再建法は乳房高さの幹形状を弱く拘束する。 本稿では,3次元ガウススプラッティングをトランク計測のための連続的,縮退可能なシーン表現として活用する空中画像再構成手法であるTreeDGSを提案する。 SfM-MVS初期化とガウス最適化の後、RaDe-GSの奥行きを考慮した累積オパシティ積分を用いてガウス場から高密度点を抽出し、各試料を多視点オパシティ信頼性スコアで関連付ける。 そして, 不透明度重み付き固-円フィッティングを用いて, トランクアイソレーション点からDBHを推定する。 DBHが測定された10個のプロットで評価され、TreeDGSは4.79,cm RMSE(このGSDで約2.6ピクセル)に達し、最先端のLiDARベースライン(7.91,cm RMSE)を上回っている。 これは、TreeDGSが高精度で低コストなDBH測定を可能にすることを示している

関連論文リスト

• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• Gesplat: Robust Pose-Free 3D Reconstruction via Geometry-Guided Gaussian Splatting [21.952325954391508]
  本稿では、3DGSベースのフレームワークであるGesplatを紹介し、ロバストな新しいビュー合成と、未提示のスパース画像からの幾何的に一貫した再構成を可能にする。 提案手法は,他のポーズフリー手法と比較して,前方および大規模の複雑なデータセット上でより堅牢な性能を実現する。
  論文  参考訳（メタデータ） (2025-10-11T08:13:46Z)
• RSGaussian:3D Gaussian Splatting with LiDAR for Aerial Remote Sensing Novel View Synthesis [6.900071309404811]
  RSGaussianは、空中リモートセンシングシーンのための革新的な新しいビュー合成(NVS)手法である。 LiDARの点雲を3Dガウス散乱法に制約として組み込んでおり、ガウスが幾何ベンチマークに沿って成長して分裂することを保証している。 このアプローチはまた、LiDAR点雲と2D画像の間の画素レベルのアライメントを実現するために、カメラモデルの歪みパラメータを伴う座標変換を導入する。
  論文  参考訳（メタデータ） (2024-12-24T12:08:50Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• 3D Gaussian Splatting for Large-scale Surface Reconstruction from Aerial Images [6.076999957937232]
  AGS(Aerial Gaussian Splatting)という,空中多視点ステレオ(MVS)画像を用いた3DGSによる大規模表面再構成手法を提案する。 まず,大規模空中画像に適したデータチャンキング手法を提案する。 次に,レイ・ガウス断面積法を3DGSに統合し,深度情報と正規情報を得る。
  論文  参考訳（メタデータ） (2024-08-31T08:17:24Z)

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。