論文の概要: Synthetic-to-Real Domain Bridging for Single-View 3D Reconstruction of Ships for Maritime Monitoring

• arxiv url: http://arxiv.org/abs/2601.21786v1
• Date: Thu, 29 Jan 2026 14:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.893879
• Title: Synthetic-to-Real Domain Bridging for Single-View 3D Reconstruction of Ships for Maritime Monitoring
• Title（参考訳）: 海中モニタリングのための単一視点3次元船体再構築のための合成・リアルタイムドメインブリッジ
• Authors: Borja Carrillo-Perez, Felix Sattler, Angel Bueno Rodriguez, Maurice Stephan, Sarah Barnes,
• Abstract要約: 船舶の3次元再構築は海上監視の重要な部分である。 最先端の3D再構成手法の多くは、多視点の監督、注釈付き3D基底真理、あるいは計算集約性を必要とする。 完全合成データを用いた訓練により, 実船の単視3次元再構築のための効率的なパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 2.159596344261645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional (3D) reconstruction of ships is an important part of maritime monitoring, allowing improved visualization, inspection, and decision-making in real-world monitoring environments. However, most state-ofthe-art 3D reconstruction methods require multi-view supervision, annotated 3D ground truth, or are computationally intensive, making them impractical for real-time maritime deployment. In this work, we present an efficient pipeline for single-view 3D reconstruction of real ships by training entirely on synthetic data and requiring only a single view at inference. Our approach uses the Splatter Image network, which represents objects as sparse sets of 3D Gaussians for rapid and accurate reconstruction from single images. The model is first fine-tuned on synthetic ShapeNet vessels and further refined with a diverse custom dataset of 3D ships, bridging the domain gap between synthetic and real-world imagery. We integrate a state-of-the-art segmentation module based on YOLOv8 and custom preprocessing to ensure compatibility with the reconstruction network. Postprocessing steps include real-world scaling, centering, and orientation alignment, followed by georeferenced placement on an interactive web map using AIS metadata and homography-based mapping. Quantitative evaluation on synthetic validation data demonstrates strong reconstruction fidelity, while qualitative results on real maritime images from the ShipSG dataset confirm the potential for transfer to operational maritime settings. The final system provides interactive 3D inspection of real ships without requiring real-world 3D annotations. This pipeline provides an efficient, scalable solution for maritime monitoring and highlights a path toward real-time 3D ship visualization in practical applications. Interactive demo: https://dlr-mi.github.io/ship3d-demo/.
• Abstract（参考訳）: 船の3次元再構築は海上監視の重要な部分であり、現実世界の監視環境における可視化、検査、意思決定の改善を可能にする。 しかし、最先端の3D再構成手法の多くは、マルチビューの監督、注釈付き3D基底真理、あるいは計算集約を必要とするため、リアルタイムの海上展開には実用的ではない。 本研究は, 合成データのみを学習し, 推測時の単一ビューのみを必要とすることで, 実船の単一ビュー3次元再構成のための効率的なパイプラインを提案する。 提案手法では,オブジェクトを3次元ガウスのスパース集合として表現するSplatter Image Networkを用いて,単一画像からの高速かつ正確な再構成を行う。 このモデルはまず、合成ShapeNetの船体に微調整され、さらに多様な3D船のカスタムデータセットで洗練され、合成画像と実世界の画像のドメインギャップを埋める。 YOLOv8をベースとした最先端セグメンテーションモジュールとカスタムプリプロセッシングを統合して,リコンストラクションネットワークとの互換性を確保する。 後処理のステップには、現実世界のスケーリング、集中、配向のアライメント、AISメタデータとホモグラフィーベースのマッピングを使用した対話型Webマップへのジオリファレンス配置が含まれる。 一方,ShipSGデータセットから得られた実海画像の定性的な結果から,実海環境への移動の可能性が確認された。 最終システムは、現実世界の3Dアノテーションを必要とせずに、実際の船のインタラクティブな3D検査を提供する。 このパイプラインは、海上監視のための効率的でスケーラブルなソリューションを提供し、実用的なアプリケーションにおけるリアルタイム3D船の可視化への道のりを強調している。 インタラクティブなデモ:https://dlr-mi.github.io/ship3d-demo/。

関連論文リスト

• IGFuse: Interactive 3D Gaussian Scene Reconstruction via Multi-Scans Fusion [15.837932667195037]
  IGFuseは対話型ガウスシーンを複数のスキャンから観測することで再構成する新しいフレームワークである。 本手法は,ガウス場を意識したセグメンテーションを構築し,スキャン間の双方向光度・セマンティック一貫性を実現する。 IGFuseは、密度の高い観測や複雑なパイプラインを使わずに、高忠実なレンダリングとオブジェクトレベルのシーン操作を可能にする。
  論文  参考訳（メタデータ） (2025-08-18T17:59:47Z)
• Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation [54.04601077224252]
  身近なシーン理解には、視覚空間情報の理解だけでなく、3D物理世界における次の探索場所の決定も必要である。 アンダーラインテキストbf3D視覚言語学習は、エンボディエージェントが環境を効果的に探索し理解することを可能にする。 モデルの汎用性は、カテゴリ、言語記述、参照イメージなど、多様な入力モダリティを使ったナビゲーションを可能にする。
  論文  参考訳（メタデータ） (2025-07-05T14:15:52Z)
• Automatic occlusion removal from 3D maps for maritime situational awareness [1.7661845949769064]
  従来の3D再構築技術は、車や船などの動的物体が本当の環境を曖昧にする問題に直面することが多い。 提案手法は,3次元メッシュのテクスチャと幾何学を直接修正するために,インスタンスセグメンテーションや生成インペインティングなどのディープラーニング技術を活用する。 対象物を選択的にターゲットし、静的要素を保存することにより、幾何学的および視覚的精度を向上する。
  論文  参考訳（メタデータ） (2024-09-05T11:58:36Z)
• Deep Learning-based Cross-modal Reconstruction of Vehicle Target from Sparse 3D SAR Image [6.499547636078961]
  本稿では,光学情報を融合させることで,車両のスパース3D SAR画像の高精細化を実現する3D-SAR再構成ネットワーク(CMAR-Net)を提案する。 CMAR-Netは、高度にスパースな観察から得られたスパース3次元SAR画像を視覚的に構造化された3次元車両画像に再構成し、効率的なトレーニングを実現する。
  論文  参考訳（メタデータ） (2024-06-06T15:18:59Z)
• TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view Stereo [55.30992853477754]
  本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。 ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。 TANDEMは最先端のリアルタイム3D再構成性能を示す。
  論文  参考訳（メタデータ） (2021-11-14T19:01:02Z)
• Ground material classification and for UAV-based photogrammetric 3D data A 2D-3D Hybrid Approach [1.3359609092684614]
  近年,物理環境を表す3次元仮想データを作成するために,多くの領域でフォトグラム法が広く用いられている。 これらの最先端技術は、迅速な3D戦場再建、仮想訓練、シミュレーションを目的として、アメリカ陸軍と海軍の注意を引き付けている。
  論文  参考訳（メタデータ） (2021-09-24T22:29:26Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)
• Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
  ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。 現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。 本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:15:35Z)
• OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
  超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。 より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。 我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
  論文  参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。