論文の概要: WeatherCity: Urban Scene Reconstruction with Controllable Multi-Weather Transformation
- arxiv url: http://arxiv.org/abs/2602.22096v1
- Date: Wed, 25 Feb 2026 16:44:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-26 18:19:16.916241
- Title: WeatherCity: Urban Scene Reconstruction with Controllable Multi-Weather Transformation
- Title（参考訳）: 可制御型マルチウェザートランスフォーメーションによる都市景観の再現
- Authors: Wenhua Wu, Huai Guan, Zhe Liu, Hesheng Wang,
- Abstract要約: 本研究では,4次元都市景観復元と天気編集のための新しい枠組みであるWeatherCityを提案する。
具体的には,テキスト誘導画像編集モデルを用いて,背景画像のフレキシブルな編集を実現する。
本フレームワークは,4次元再構成と気象編集において,フレキシブルな制御性,高忠実度,時間的一貫性を実現する。
- 参考スコア（独自算出の注目度）: 19.48387412274678
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Editable high-fidelity 4D scenes are crucial for autonomous driving, as they can be applied to end-to-end training and closed-loop simulation. However, existing reconstruction methods are primarily limited to replicating observed scenes and lack the capability for diverse weather simulation. While image-level weather editing methods tend to introduce scene artifacts and offer poor controllability over the weather effects. To address these limitations, we propose WeatherCity, a novel framework for 4D urban scene reconstruction and weather editing. Specifically, we leverage a text-guided image editing model to achieve flexible editing of image weather backgrounds. To tackle the challenge of multi-weather modeling, we introduce a novel weather Gaussian representation based on shared scene features and dedicated weather-specific decoders. This representation is further enhanced with a content consistency optimization, ensuring coherent modeling across different weather conditions. Additionally, we design a physics-driven model that simulates dynamic weather effects through particles and motion patterns. Extensive experiments on multiple datasets and various scenes demonstrate that WeatherCity achieves flexible controllability, high fidelity, and temporal consistency in 4D reconstruction and weather editing. Our framework not only enables fine-grained control over weather conditions (e.g., light rain and heavy snow) but also supports object-level manipulation within the scene.
- Abstract（参考訳）: 編集可能な高忠実度4Dシーンは、エンドツーエンドのトレーニングやクローズドループシミュレーションに適用できるため、自動運転には不可欠である。
しかし,既存の復元手法は主に観測されたシーンの再現に限られており,多様な気象シミュレーションの能力に欠ける。
画像レベルの気象編集手法は、シーンアーティファクトを導入し、気象効果の制御性が低い傾向にある。
これらの制約に対処するために,4次元都市景観復元と天気編集のための新しい枠組みであるWeatherCityを提案する。
具体的には,テキスト誘導画像編集モデルを用いて,背景画像のフレキシブルな編集を実現する。
マルチウェザーモデリングの課題に対処するために,共有シーン特徴と専用気象特化デコーダに基づく新しい気象ガウス表現を導入する。
この表現は、コンテント一貫性の最適化によってさらに強化され、異なる気象条件におけるコヒーレントなモデリングが保証される。
さらに、粒子や運動パターンを通して動的気象効果をシミュレートする物理駆動モデルの設計を行う。
複数のデータセットや様々な場面での大規模な実験により、気象シティーは4次元再構成と気象編集において柔軟な制御性、高い忠実度、時間的一貫性を達成することが示された。
本フレームワークは, 気象条件(例, 降雨量, 豪雪量)のきめ細かい制御を可能にするだけでなく, 現場での物体レベルの操作もサポートしている。
関連論文リスト
- WeatherEdit: Controllable Weather Editing with 4D Gaussian Field [5.240297013713328]
我々は3Dシーンで現実的な気象効果を生成するための新しい天気編集パイプラインであるWeatherEditを紹介する。
我々のアプローチは、気象背景編集と気象粒子構築という2つの重要な要素で構成されている。
複数の運転データセットの実験により、気象編集は制御可能な条件重大度で多様な気象効果を発生させることができることが示された。
論文 参考訳（メタデータ） (2025-05-26T19:10:47Z) - Controllable Weather Synthesis and Removal with Video Diffusion Models [61.56193902622901]
WeatherWeaverは、様々な気象効果を直接入力ビデオに合成するビデオ拡散モデルである。
本モデルは,気象効果の強度を正確に制御し,様々な気象タイプをブレンドし,現実主義と適応性の両方を保証する。
論文 参考訳（メタデータ） (2025-05-01T17:59:57Z) - WeatherGFM: Learning A Weather Generalist Foundation Model via In-context Learning [69.82211470647349]
第1次一般気象基礎モデル(WeatherGFM)を紹介する。
気象理解タスクの幅広い範囲を統一的な方法で解決する。
我々のモデルは、天気予報、超解像、天気画像翻訳、後処理など、最大10の気象理解タスクを効果的に処理できる。
論文 参考訳（メタデータ） (2024-11-08T09:14:19Z) - ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural
Rendering [83.75284107397003]
本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。
本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。
マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2023-05-03T13:24:06Z) - ClimateNeRF: Extreme Weather Synthesis in Neural Radiance Field [57.859851662796316]
シーンのNeRFモデルを用いて物理シミュレーションを融合する新しいNeRF編集手法について述べる。
結果はSOTA 2D画像編集やSOTA 3D NeRFスタイリングよりもはるかにリアルである。
論文 参考訳（メタデータ） (2022-11-23T18:59:13Z)
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。