論文の概要: LightCity: An Urban Dataset for Outdoor Inverse Rendering and Reconstruction under Multi-illumination Conditions

• arxiv url: http://arxiv.org/abs/2602.01118v1
• Date: Sun, 01 Feb 2026 09:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.603073
• Title: LightCity: An Urban Dataset for Outdoor Inverse Rendering and Reconstruction under Multi-illumination Conditions
• Title（参考訳）: LightCity:マルチイルミネーション条件下での屋外逆レンダリングと再構成のための都市データセット
• Authors: Jingjing Wang, Qirui Hu, Chong Bao, Yuke Zhu, Hujun Bao, Zhaopeng Cui, Guofeng Zhang,
• Abstract要約: 都市のシーンにおける逆レンダリングは、自動運転やデジタルツインといった応用にとって重要な要素である。 しかし、マルチイルミネーションや間接光、シャドウ効果などの複雑な照明条件のために大きな課題に直面している。 現実的な間接光と影効果を備えた多様な照明条件を特徴とする,高品質な合成都市データセットLightCityを提案する。
• 参考スコア（独自算出の注目度）: 80.70675855203154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inverse rendering in urban scenes is pivotal for applications like autonomous driving and digital twins. Yet, it faces significant challenges due to complex illumination conditions, including multi-illumination and indirect light and shadow effects. However, the effects of these challenges on intrinsic decomposition and 3D reconstruction have not been explored due to the lack of appropriate datasets. In this paper, we present LightCity, a novel high-quality synthetic urban dataset featuring diverse illumination conditions with realistic indirect light and shadow effects. LightCity encompasses over 300 sky maps with highly controllable illumination, varying scales with street-level and aerial perspectives over 50K images, and rich properties such as depth, normal, material components, light and indirect light, etc. Besides, we leverage LightCity to benchmark three fundamental tasks in the urban environments and conduct a comprehensive analysis of these benchmarks, laying a robust foundation for advancing related research.
• Abstract（参考訳）: 都市のシーンにおける逆レンダリングは、自動運転やデジタルツインといった応用にとって重要な要素である。 しかし、マルチイルミネーションや間接光、シャドウ効果などの複雑な照明条件のために大きな課題に直面している。 しかし,これらの課題が本質的な分解や3次元再構成に与える影響は,適切なデータセットが欠如していることから検討されていない。 本稿では,現実的な間接光と影効果を備えた多彩な照明条件を特徴とする,高品質な合成都市データセットLightCityを提案する。 LightCityは、高度に制御可能な照明を備えた300以上のスカイマップ、50K以上のストリートレベルと空中の視界を持つ様々なスケール、深度、正常、材料成分、光、間接光などのリッチな特性を含む。 さらに、LightCityを活用して、都市環境における3つの基本的なタスクをベンチマークし、これらのベンチマークを包括的に分析し、関連する研究を進めるための堅牢な基盤を構築します。

関連論文リスト

• HeatMat: Simulation of City Material Impact on Urban Heat Island Effect [5.9791504486574425]
  都市ヒートアイランド(UHI)効果は、周辺地域に比べて都市環境の気温が著しく上昇している。 この効果に寄与する要因の1つは、農村部と異なる都市物質の性質である。 本研究では,実際の都市におけるUHI効果に対する都市物質の個人的影響を高分解能で解析する手法であるHeatMatを提案する。
  論文  参考訳（メタデータ） (2026-01-30T10:20:47Z)
• Beyond a Single Light: A Large-Scale Aerial Dataset for Urban Scene Reconstruction Under Varying Illumination [27.470486341807316]
  都市景観のモデリングにおいて,照明の堅牢な3次元再構成を特に研究するためのデータセットSkyLumeを紹介した。 100k以上の高分解能UAV画像からなる10の都市域データからデータを収集する。 各種照明下での深度, 表面の正常度, 再現性を評価するために, シーンごとのLiDARスキャンと正確な3次元地下構造を提供する。
  論文  参考訳（メタデータ） (2025-12-16T08:47:56Z)
• See through the Dark: Learning Illumination-affined Representations for Nighttime Occupancy Prediction [20.14637361013267]
  LIARは照明に適応した表現を学習する新しいフレームワークである。 実データと合成データの両方の実験は、挑戦的な夜間シナリオ下でのLIARの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-05-27T02:40:49Z)
• ReCap: Better Gaussian Relighting with Cross-Environment Captures [51.2614945509044]
  ReCapは、目に見えない環境で正確な3Dオブジェクトのリライトを行うマルチタスクシステムである。 具体的には、ReCapは共通の属性のセットを共有する複数の照明表現を共同で最適化する。 これにより、相互の材料属性を囲むコヒーレントな照明表現の集合が自然に調和し、様々な物体の外観の共通点と相違点を利用する。 合理化されたシェーディング機能と効果的な後処理とともに、ReCapは、拡張されたリライトベンチマークにおいて、主要な競合企業すべてを上回っている。
  論文  参考訳（メタデータ） (2024-12-10T14:15:32Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• SUNDIAL: 3D Satellite Understanding through Direct, Ambient, and Complex Lighting Decomposition [17.660328148833134]
  SUNDIALは、ニューラルネットワークを用いた衛星画像の3次元再構成のための包括的アプローチである。 我々はこの単一モデルアプローチで衛星シーンの幾何学、照明成分、太陽方向を学習する。 衛星シーンモデリングのための既存のNeRF技術に対するSUNDIALの性能評価を行った。
  論文  参考訳（メタデータ） (2023-12-24T02:46:44Z)
• MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering and Beyond [69.37319723095746]
  都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。 本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。 その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
  論文  参考訳（メタデータ） (2023-09-28T16:06:02Z)
• Neural Fields meet Explicit Geometric Representation for Inverse Rendering of Urban Scenes [62.769186261245416]
  本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。 具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
  論文  参考訳（メタデータ） (2023-04-06T17:51:54Z)
• Neural Light Field Estimation for Street Scenes with Differentiable Virtual Object Insertion [129.52943959497665]
  既存の屋外照明推定の作業は通常、シーン照明を環境マップに単純化する。 単一画像から5次元HDR光場を推定するニューラルネットワークを提案する。 自律運転アプリケーションにおけるARオブジェクト挿入の利点を示す。
  論文  参考訳（メタデータ） (2022-08-19T17:59:16Z)

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。