論文の概要: A 3D Reconstruction Benchmark for Asset Inspection

• arxiv url: http://arxiv.org/abs/2603.17358v1
• Date: Wed, 18 Mar 2026 04:42:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.514896
• Title: A 3D Reconstruction Benchmark for Asset Inspection
• Title（参考訳）: 集合検査のための3次元再構成ベンチマーク
• Authors: James L. Gray, Nikolai Goncharov, Alexandre Cardaillac, Ryan Griffiths, Jack Naylor, Donald G. Dansereau,
• Abstract要約: 地上の真理深度マップ,カメラポーズ,および3つの合成シーンのメッシュモデルを用いた新しいデータセットを提案する。 本研究では,このデータセット上での最先端の再構築手法について検討する。
• 参考スコア（独自算出の注目度）: 39.16724739487446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Asset management requires accurate 3D models to inform the maintenance, repair, and assessment of buildings, maritime vessels, and other key structures as they age. These downstream applications rely on high-fidelity models produced from aerial surveys in close proximity to the asset, enabling operators to locate and characterise deterioration or damage and plan repairs. Captured images typically have high overlap between adjacent camera poses, sufficient detail at millimetre scale, and challenging visual appearances such as reflections and transparency. However, existing 3D reconstruction datasets lack examples of these conditions, making it difficult to benchmark methods for this task. We present a new dataset with ground truth depth maps, camera poses, and mesh models of three synthetic scenes with simulated inspection trajectories and varying levels of surface condition on non-Lambertian scene content. We evaluate state-of-the-art reconstruction methods on this dataset. Our results demonstrate that current approaches struggle significantly with the dense capture trajectories and complex surface conditions inherent to this domain, exposing a critical scalability gap and pointing toward new research directions for deployable 3D reconstruction in asset inspection. Project page: https://roboticimaging.org/Projects/asset-inspection-dataset/
• Abstract（参考訳）: アセット・マネジメントは、建物、海洋船、その他の重要な構造物の維持、修理、評価を行うために正確な3Dモデルを必要とする。 これらの下流のアプリケーションは、資産に近い航空調査から得られた高忠実度モデルに依存しており、オペレーターは劣化や損傷を検知し、修正を計画することができる。 キャプチャされた画像は、隣接するカメラのポーズ間で高い重なり合い、ミリメートルスケールでの十分な詳細、反射や透明化のような挑戦的な視覚的外観を持つのが一般的である。 しかし、既存の3D再構成データセットはこれらの条件の例を欠いているため、このタスクの手法をベンチマークすることは困難である。 地上の真理深度マップ,カメラポーズ,および3つの合成シーンのメッシュモデルを用いた新しいデータセットを提案する。 本研究では,このデータセット上での最先端の再構築手法について検討する。 以上の結果から,近年のアプローチは,この領域に固有の密集した捕捉軌道や複雑な表面条件に大きく対応し,重要なスケーラビリティのギャップを露呈し,資産検査における展開可能な3次元再構築に向けた新たな研究方向を指していることが明らかとなった。 プロジェクトページ:https://roboticimaging.org/Projects/asset-inspection-dataset/

関連論文リスト

• SAM 3D for 3D Object Reconstruction from Remote Sensing Images [3.893451853752809]
  本稿では,汎用画像から3D基礎モデルであるSAM 3Dを初めて体系的に評価する。 実験により, SAM 3DはTRELLISに比べて, よりコヒーレントな屋根形状とシャープな境界を生じることが示された。
  論文  参考訳（メタデータ） (2025-12-27T03:47:39Z)
• BRUM: Robust 3D Vehicle Reconstruction from 360 Sparse Images [21.811586185200706]
  本稿では,スパースビュー入力から車両を再構築する際の課題について述べる。 我々は、新しいビューを合成するために、深度マップとロバストなポーズ推定アーキテクチャを活用する。 本稿では,合成と現実の両方の公共交通機関を特徴とする新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2025-07-16T10:04:35Z)
• From Flight to Insight: Semantic 3D Reconstruction for Aerial Inspection via Gaussian Splatting and Language-Guided Segmentation [3.0477617036157136]
  高忠実度3D再構成は, インフラ監視, 構造評価, 環境調査などの航空検査業務において重要である。 従来のフォトグラム法は幾何学的モデリングを可能にするが、意味論的解釈性に欠け、自動検査の有効性を制限している。 ニューラルレンダリングと3Dガウススプラッティング(3DGS)の最近の進歩は、効率的でフォトリアリスティックな再構築を提供するが、同様にシーンレベルの理解が欠如している。 言語誘導型3DセグメンテーションのためにFeature-3DGSを拡張するUAVベースのパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-23T02:35:46Z)
• Unconstrained Large-scale 3D Reconstruction and Rendering across Altitudes [3.612819935891695]
  我々は,複数のキャリブレーションされた地上レベル,セキュリティレベル,空中カメラに基づく3次元再構成と新しいビュー合成のための最初の公開ベンチマークデータセットを開発した。 提案するデータセットは,現実の課題に対処し,未提示カメラの校正と新たなレンダリングビューの品質を独立に評価し,最近の最先端手法によるベースライン性能を実証し,さらなる研究の課題を特定する。
  論文  参考訳（メタデータ） (2025-04-29T19:57:29Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)
• MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
  MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。 暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
  論文  参考訳（メタデータ） (2024-07-18T17:50:03Z)
• The Drunkard's Odometry: Estimating Camera Motion in Deforming Scenes [79.00228778543553]
  このデータセットは、3Dシーンの中で地上の真実を語る最初の大規模なカメラ軌道である。 リアルな3Dビルディングのシミュレーションでは、膨大な量のデータと地上の真実のラベルが得られます。 本稿では,光学的フロー推定を剛体カメラ運動に分解するDrunkard's Odometryと呼ばれる,変形可能な新しいオドメトリー法を提案する。
  論文  参考訳（メタデータ） (2023-06-29T13:09:31Z)
• 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)
• Towards Non-Line-of-Sight Photography [48.491977359971855]
  非視線イメージング(NLOS)は、隠された物体からの多重バウンス間接反射を捉えることに基づいている。 アクティブなNLOSイメージングシステムは、シーンを通しての光の飛行時間の捕捉に依存している。 我々はNLOS写真と呼ばれる新しい問題定式化を提案し、この欠陥に特に対処する。
  論文  参考訳（メタデータ） (2021-09-16T08:07:13Z)
• Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
  オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。 再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。 本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
  論文  参考訳（メタデータ） (2021-03-30T17:57:01Z)

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。