論文の概要: SwiftGS: Episodic Priors for Immediate Satellite Surface Recovery
- arxiv url: http://arxiv.org/abs/2603.18634v1
- Date: Thu, 19 Mar 2026 08:59:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:06.045008
- Title: SwiftGS: Episodic Priors for Immediate Satellite Surface Recovery
- Title（参考訳）: SwiftGS: 即時衛星表面のリカバリの先駆者
- Authors: Rong Fu, Jiekai Wu, Haiyun Wei, Xiaowen Ma, Shiyin Lin, Kangan Qian, Chuang Liu, Jianyuan Ni, Simon James Fong,
- Abstract要約: SwiftGSはメタ学習システムで、単一の前方パスで3D表面を再構築する。
高価なシーンごとのフィッティングを、転送可能な事前をキャプチャするエピソードトレーニングに置き換える。
推論では、SwiftGSはオプションのコンパクトキャリブレーションでゼロショットを動作させる。
- 参考スコア（独自算出の注目度）: 6.657583814165929
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapid, large-scale 3D reconstruction from multi-date satellite imagery is vital for environmental monitoring, urban planning, and disaster response, yet remains difficult due to illumination changes, sensor heterogeneity, and the cost of per-scene optimization. We introduce SwiftGS, a meta-learned system that reconstructs 3D surfaces in a single forward pass by predicting geometry-radiation-decoupled Gaussian primitives together with a lightweight SDF, replacing expensive per-scene fitting with episodic training that captures transferable priors. The model couples a differentiable physics graph for projection, illumination, and sensor response with spatial gating that blends sparse Gaussian detail and global SDF structure, and incorporates semantic-geometric fusion, conditional lightweight task heads, and multi-view supervision from a frozen geometric teacher under an uncertainty-aware multi-task loss. At inference, SwiftGS operates zero-shot with optional compact calibration and achieves accurate DSM reconstruction and view-consistent rendering at significantly reduced computational cost, with ablations highlighting the benefits of the hybrid representation, physics-aware rendering, and episodic meta-training.
- Abstract（参考訳）: 衛星画像からの高速で大規模な3次元再構築は, 環境モニタリング, 都市計画, 災害対応に不可欠であるが, 照明の変化, センサの不均一性, 現場ごとの最適化コストなどにより, 依然として困難である。
我々は,1つの前方通過で3次元表面を再構成するメタ学習システムであるSwiftGSを紹介した。
このモデルは、射影、照明、センサー応答のための微分可能な物理グラフと空間的ゲーティングを結合し、粗いガウス細部と大域的なSDF構造をブレンドし、セマンティック幾何学融合、条件付き軽量タスクヘッド、および凍結幾何学教師からのマルチビュー監視を不確実性に認識したマルチタスク損失に組み込む。
推論時に、SwiftGSはゼロショットを任意のコンパクトキャリブレーションで動作させ、計算コストを大幅に削減したDSM再構成とビュー一貫性レンダリングを実現する。
関連論文リスト
- PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - Improved 3D Gaussian Splatting of Unknown Spacecraft Structure Using Space Environment Illumination Knowledge [7.2620484413601325]
本研究は、未知のターゲット宇宙船の3次元構造を、宇宙空間で撮影された一連の画像から復元する新しいパイプラインを提案する。
3DGSの学習には静的なシーンが必要である。
トレーニングされた3DGSモデルは、フォトメトリック最適化によるカメラポーズ推定にも使用することができる。
論文 参考訳（メタデータ） (2025-12-30T05:35:35Z) - Generalizable and Relightable Gaussian Splatting for Human Novel View Synthesis [49.67420486373202]
GRGSは、多彩な照明条件下での高忠実なヒューマン・ノベル・ビュー・シンセサイザーのための一般的な3Dガウスのフレームワークである。
我々は, 精密深度および表面の正常度を予測するために, 合成依存データに基づいて学習した照明対応幾何微細化(LGR)モジュールを提案する。
論文 参考訳（メタデータ） (2025-05-27T17:59:47Z) - GS-I$^{3}$: Gaussian Splatting for Surface Reconstruction from Illumination-Inconsistent Images [6.055104738156625]
3D Gaussian Splatting (3DGS) は表面再構成の分野で大きな注目を集めている。
不整合照明下での頑健な表面再構成の課題を解決するため,GS-3I と呼ばれる手法を提案する。
GS-3Iは複雑な照明のシナリオをまたいで、堅牢で正確な表面再構成を実現することができることを示す。
論文 参考訳（メタデータ） (2025-03-16T03:08:54Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。
InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。
3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
論文 参考訳（メタデータ） (2024-03-29T17:29:58Z)
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。