論文の概要: Towards 3D Scene Understanding of Gas Plumes in LWIR Hyperspectral Images Using Neural Radiance Fields

• arxiv url: http://arxiv.org/abs/2603.05473v1
• Date: Thu, 05 Mar 2026 18:44:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.374694
• Title: Towards 3D Scene Understanding of Gas Plumes in LWIR Hyperspectral Images Using Neural Radiance Fields
• Title（参考訳）: ニューラルラジアンス場を用いたLWIRハイパースペクトル画像におけるガスプラムの3次元可視化に向けて
• Authors: Scout Jarman, Zigfried Hampel-Arias, Adra Carr, Kevin R. Moon,
• Abstract要約: LWIR(Longwave Infrared) HSIは、ガス配管の検出と分析に使用することができる。 複数の画像からの情報を単一の表現に組み合わせることで、分析が強化される可能性がある。 NeRFはボリュームシーン特性の潜在神経表現を生成する。
• 参考スコア（独自算出の注目度）: 3.8031924942083517
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral images (HSI) have many applications, ranging from environmental monitoring to national security, and can be used for material detection and identification. Longwave infrared (LWIR) HSI can be used for gas plume detection and analysis. Oftentimes, only a few images of a scene of interest are available and are analyzed individually. The ability to combine information from multiple images into a single, cohesive representation could enhance analysis by providing more context on the scene's geometry and spectral properties. Neural radiance fields (NeRFs) create a latent neural representation of volumetric scene properties that enable novel-view rendering and geometry reconstruction, offering a promising avenue for hyperspectral 3D scene reconstruction. We explore the possibility of using NeRFs to create 3D scene reconstructions from LWIR HSI and demonstrate that the model can be used for the basic downstream analysis task of gas plume detection. The physics-based DIRSIG software suite was used to generate a synthetic multi-view LWIR HSI dataset of a simple facility with a strong sulfur hexafluoride gas plume. Our method, built on the standard Mip-NeRF architecture, combines state-of-the-art methods for hyperspectral NeRFs and sparse-view NeRFs, along with a novel adaptive weighted MSE loss. Our final NeRF method requires around 50% fewer training images than the standard Mip-NeRF and achieves an average PSNR of 39.8 dB with as few as 30 training images. Gas plume detection applied to NeRF-rendered test images using the adaptive coherence estimator achieves an average AUC of 0.821 when compared with detection masks generated from ground-truth test images.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)は、環境監視から国家安全保障まで多くの応用があり、物質検出や識別に利用することができる。 LWIR(Longwave Infrared) HSIは、ガス配管の検出と分析に使用することができる。 多くの場合、興味のあるシーンのごく一部の画像しか入手できず、個別に分析される。 複数の画像から1つの密集した表現に情報を結合する能力は、シーンの幾何学的特性とスペクトル特性についてより多くのコンテキストを提供することで分析を強化することができる。 ニューラルレイディアンス場(NeRF)は、新しいビューレンダリングと幾何再構成を可能にするボリュームシーン特性の潜在神経表現を作成し、ハイパースペクトル3次元シーン再構成のための有望な道を提供する。 我々は,LWIR HSIからNeRFを用いて3次元シーン再構成を行う可能性について検討し,このモデルがガス配管検出の基礎的下流解析タスクに利用できることを示す。 物理ベースのDIRSIGソフトウェアスイートは、強力な六フッ化硫黄ガス配管を備えた単純な施設の合成多視点LWIR HSIデータセットを生成するために使用された。 提案手法は標準のMip-NeRFアーキテクチャ上に構築され,高スペクトルNeRFとスパースビューNeRFの最先端手法と,新しい適応重み付きMSE損失を組み合わせたものである。 我々の最後のNeRF法は、標準のMip-NeRFよりも50%少ないトレーニング画像を必要とし、平均PSNRは39.8dBで、訓練画像は30枚以下である。 適応コヒーレンス推定器を用いて、NeRFレンダリング試験画像に適用したガス配管検出は、地中試験画像から生成された検出マスクと比較して平均0.821のAUCを達成する。

関連論文リスト

• Diffusion Denoised Hyperspectral Gaussian Splatting [11.486860334986394]
  ハイパースペクトルシーンの暗黙的なニューラル表現を作成するために、3次元再構成法が用いられている。 拡散分解型ハイパースペクトル撮影法(DD-HGS)を提案する。
  論文  参考訳（メタデータ） (2025-05-28T02:07:52Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• Improving Neural Radiance Field using Near-Surface Sampling with Point Cloud Generation [6.506009070668646]
  本稿では,NeRFのレンダリング品質を向上させるため,表面近傍のサンプリングフレームワークを提案する。 新たな視点の深度情報を得るために,3次元点雲生成法と点雲から投影された深度を簡易に精錬する方法を提案する。
  論文  参考訳（メタデータ） (2023-10-06T10:55:34Z)
• Spec-NeRF: Multi-spectral Neural Radiance Fields [9.242830798112855]
  異なるフィルタでフィルタされたカラー画像の集合から,マルチスペクトルレーダランス場とスペクトル感度関数(SSF)を共同で再構成する多スペクトルニューラルレイダランス場(Spec-NeRF)を提案する。 合成シナリオと実シナリオの両方を対象とした実験により, フィルタされたRGB画像と学習可能なNeRF, SSFを併用することで, 高い忠実度と有望なスペクトル再構成が達成できることを示した。
  論文  参考訳（メタデータ） (2023-09-14T16:17:55Z)
• NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object Detection [65.02633277884911]
  提案するNeRF-Detは,RGB画像を入力として室内3次元検出を行う新しい手法である。 提案手法は3次元形状を明示的に推定するため, エンドツーエンドでNeRFを用いて3次元検出性能を向上する。
  論文  参考訳（メタデータ） (2023-07-27T04:36:16Z)
• SAR-NeRF: Neural Radiance Fields for Synthetic Aperture Radar Multi-View Representation [7.907504142396784]
  本研究では、SARイメージング機構とニューラルネットワークを組み合わせることで、SAR画像生成のための新しいNeRFモデルを提案する。 SAR-NeRFは、ボクセルの減衰係数と散乱強度の分布を学習するために構築される。 その結果,SAR-NeRFオーグメンテーションデータセットは,数ショットの学習設定でSARターゲット分類性能を大幅に向上できることがわかった。
  論文  参考訳（メタデータ） (2023-07-11T07:37:56Z)
• MS-NeRF: Multi-Space Neural Radiance Fields [48.0367339199913]
  既存のニューラルレイディアンス場(NeRF)法は反射物体の存在に悩まされ、しばしばぼやけたレンダリングをもたらす。 並列部分空間における特徴場の群を用いてシーンを表現するマルチスペースニューラルレイディアンス場(MS-NeRF)を提案する。 提案手法は,高品質シーンのレンダリングにおいて,既存の単一空間NeRF法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-07T13:11:07Z)
• Clean-NeRF: Reformulating NeRF to account for View-Dependent Observations [67.54358911994967]
  本稿では,複雑なシーンにおける3次元再構成と新しいビューレンダリングのためのクリーンネRFを提案する。 clean-NeRFはプラグインとして実装することができ、既存のNeRFベースのメソッドを追加入力なしですぐに利用することができる。
  論文  参考訳（メタデータ） (2023-03-26T12:24:31Z)
• CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations [77.90883737693325]
  本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。 これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。 さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
  論文  参考訳（メタデータ） (2022-09-02T17:44:50Z)
• Multi-temporal speckle reduction with self-supervised deep neural networks [2.9979894869734927]
  最新の技術は、様々な構造や独特のテクスチャをSAR画像に復元するために、ディープニューラルネットワークに依存している。 スペックルフィルタは一般的に合成開口レーダ(SAR)画像の解析に必須である。 我々は、MERLINと呼ばれるシングルルック複雑なSAR画像に対する、近年の自己教師型トレーニング戦略を、マルチテンポラルフィルタリングの場合に拡張する。
  論文  参考訳（メタデータ） (2022-07-22T14:08:22Z)
• Mega-NeRF: Scalable Construction of Large-Scale NeRFs for Virtual Fly-Throughs [54.41204057689033]
  我々は、ニューラルネットワーク(NeRF)を活用して、建物にまたがる大規模な視覚的キャプチャーや、主にドローンデータから収集された複数の都市ブロックからインタラクティブな3D環境を構築する方法について検討する。 NeRFが伝統的に評価されている単一のオブジェクトシーンとは対照的に、この設定には複数の課題がある。 我々は、訓練画像(またはむしろピクセル)を、並列で訓練できる異なるNeRFサブモジュールに分割する単純なクラスタリングアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2021-12-20T17:40:48Z)
• NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
  主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。 提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
  論文  参考訳（メタデータ） (2021-12-03T07:33:47Z)
• iNeRF: Inverting Neural Radiance Fields for Pose Estimation [68.91325516370013]
  Neural RadianceField(NeRF)を「反転」してメッシュフリーポーズ推定を行うフレームワークiNeRFを紹介します。 NeRFはビュー合成のタスクに極めて有効であることが示されている。
  論文  参考訳（メタデータ） (2020-12-10T18:36:40Z)

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。