論文の概要: Olbedo: An Albedo and Shading Aerial Dataset for Large-Scale Outdoor Environments

• arxiv url: http://arxiv.org/abs/2602.22025v1
• Date: Tue, 24 Feb 2026 15:37:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.886453
• Title: Olbedo: An Albedo and Shading Aerial Dataset for Large-Scale Outdoor Environments
• Title（参考訳）: Olbedo: 大規模屋外環境のためのアルベドとシェーディングエアリアルデータセット
• Authors: Shuang Song, Debao Huang, Deyan Deng, Haolin Xiong, Yang Tang, Yajie Zhao, Rongjun Qin,
• Abstract要約: オルベド(Olbedo)は、野外アルベドの分解のための大規模な空中データセットである。 オルベドには4つの風景タイプ、複数年、様々な照明条件で撮影された5,664個のUAV画像が含まれている。
• 参考スコア（独自算出の注目度）: 20.3022752095851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intrinsic image decomposition (IID) of outdoor scenes is crucial for relighting, editing, and understanding large-scale environments, but progress has been limited by the lack of real-world datasets with reliable albedo and shading supervision. We introduce Olbedo, a large-scale aerial dataset for outdoor albedo--shading decomposition in the wild. Olbedo contains 5,664 UAV images captured across four landscape types, multiple years, and diverse illumination conditions. Each view is accompanied by multi-view consistent albedo and shading maps, metric depth, surface normals, sun and sky shading components, camera poses, and, for recent flights, measured HDR sky domes. These annotations are derived from an inverse-rendering refinement pipeline over multi-view stereo reconstructions and calibrated sky illumination, together with per-pixel confidence masks. We demonstrate that Olbedo enables state-of-the-art diffusion-based IID models, originally trained on synthetic indoor data, to generalize to real outdoor imagery: fine-tuning on Olbedo significantly improves single-view outdoor albedo prediction on the MatrixCity benchmark. We further illustrate applications of Olbedo-trained models to multi-view consistent relighting of 3D assets, material editing, and scene change analysis for urban digital twins. We release the dataset, baseline models, and an evaluation protocol to support future research in outdoor intrinsic decomposition and illumination-aware aerial vision.
• Abstract（参考訳）: 屋外シーンの内在的な画像分解(IID)は、大規模な環境のリライティング、編集、理解に不可欠であるが、信頼性の高いアルベドとシェーディング監視を備えた実世界のデータセットが欠如しているため、進展は限られている。 野外アルベド分解のための大規模空中データセットであるオルベドについて紹介する。 オルベドには4つの風景タイプ、複数年、様々な照明条件で撮影された5,664個のUAV画像が含まれている。 それぞれのビューには、多視点で一貫したアルベドとシェーディングマップ、メートル法深度、表面の正常度、太陽と空のシェーディングコンポーネント、カメラのポーズ、そして最近の飛行で測定されたHDRスカイドームが付属している。 これらのアノテーションは、多視点ステレオ再構成とキャリブレーションされた空照明による逆レンダリングリファインメントパイプラインと、画素ごとの信頼マスクから派生している。 実験の結果,Olbedoでは,合成室内データに基づいて訓練された最新拡散型IDDモデルにより,実際の屋外画像への一般化が可能であることが確認された。 都市におけるデジタル双生児のための3Dアセットのマルチビュー一貫したリライティング、素材編集、シーン変化解析へのオルベド訓練モデルの応用について述べる。 このデータセット,ベースラインモデル,評価プロトコルを公開し,屋外固有の分解と照明を意識した空中視の今後の研究を支援する。

関連論文リスト

• 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)
• UAVLight: A Benchmark for Illumination-Robust 3D Reconstruction in Unmanned Aerial Vehicle (UAV) Scenes [17.205790966354705]
  UAVLight(UAVLight)は、照明・ローバースト3D再構成のための制御済みのリアルタイムベンチマークである。 各シーンは、複数の一定時間に繰り返し、地理的に参照された飛行経路に沿って撮影される。 照明条件の標準化された評価プロトコルにより、UAVLightは再構成手法の開発とベンチマークのための信頼性の高い基盤を提供する。
  論文  参考訳（メタデータ） (2025-11-26T16:38:29Z)
• SAIL: Self-supervised Albedo Estimation from Real Images with a Latent Diffusion Model [4.015354837450373]
  内在的な画像分解は、イメージを根底にあるアルベドとシェーディングコンポーネントに分離することを目的としている。 本研究では,一視点実世界の画像からアルベド様の表現を推定する手法であるSAILを提案する。
  論文  参考訳（メタデータ） (2025-05-26T09:31:56Z)
• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• Helvipad: A Real-World Dataset for Omnidirectional Stereo Depth Estimation [83.841877607646]
  全方位ステレオ深度推定のための実世界のデータセットであるHelvipadを紹介する。 このデータセットは、3Dポイント雲を等方形画像に投影することで、正確な深度と不均質のラベルを含む。 標準画像と全方位画像のステレオ深度推定モデルをベンチマークする。
  論文  参考訳（メタデータ） (2024-11-27T13:34:41Z)
• FIReStereo: Forest InfraRed Stereo Dataset for UAS Depth Perception in Visually Degraded Environments [11.865960842220629]
  本稿では,自律型空中認識のための立体熱深度認識データセットを提案する。 このデータセットは、都市や森林で撮影されたステレオ熱画像、LiDAR、IMU、地上の真理深度マップで構成されている。 代表的なステレオ深度推定アルゴリズムをベンチマークし, 劣化条件下での性能について考察した。
  論文  参考訳（メタデータ） (2024-09-12T02:51:21Z)
• 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)
• Neural Radiance Fields for Outdoor Scene Relighting [70.97747511934705]
  ニューラルラジアンス場に基づく屋外シーンライティングのための最初のアプローチであるNeRF-OSRを提案する。 従来の技術とは対照的に,本手法はシーン照明とカメラ視点の同時編集を可能にする。 シャドウ再現のための専用ネットワークも備えており、高品質の屋外照明に欠かせない。
  論文  参考訳（メタデータ） (2021-12-09T18:59:56Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。