論文の概要: MoonAnything: A Vision Benchmark with Large-Scale Lunar Supervised Data
- arxiv url: http://arxiv.org/abs/2604.00682v1
- Date: Wed, 01 Apr 2026 09:39:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-02 16:44:31.921736
- Title: MoonAnything: A Vision Benchmark with Large-Scale Lunar Supervised Data
- Title（参考訳）: MoonAnything: 大規模ルナー監視データによるビジョンベンチマーク
- Authors: Clémentine Grethen, Yuang Shi, Simone Gasparini, Géraldine Morin,
- Abstract要約: 既存の月のデータセットには、幾何学的基底真理、測光的リアリズム、照明の多様性、大規模カバレッジが欠落している。
実際の月面地形上に物理ベースのレンダリングで構築された統合ベンチマークであるMoonAnythingを紹介する。
我々は最先端の手法を使ってベースラインを確立し、コミュニティ拡張をサポートする生成ツールとともに完全なデータセットをリリースする。
- 参考スコア（独自算出の注目度）: 0.13999481573773068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate perception of lunar surfaces is critical for modern lunar exploration missions. However, developing robust learning-based perception systems is hindered by the lack of datasets that provide both geometric and photometric supervision. Existing lunar datasets typically lack either geometric ground truth, photometric realism, illumination diversity, or large-scale coverage. In this paper, we introduce MoonAnything, a unified benchmark built on real lunar topography with physically-based rendering, providing the first comprehensive geometric and photometric supervision under diverse illumination with large scale. The benchmark comprises two complementary sub-datasets : i) LunarGeo provides stereo images with corresponding dense depth maps and camera calibration enabling 3D reconstruction and pose estimation; ii) LunarPhoto provides photorealistic images using a spatially-varying BRDF model, along with multi-illumination renderings under real solar configurations, enabling reflectance estimation and illumination-robust perception. Together, these datasets offer over 130K samples with comprehensive supervision. Beyond lunar applications, MoonAnything offers a unique setting and challenging testbed for algorithms under low-textured, high-contrast conditions and applies to other airless celestial bodies and could generalize beyond. We establish baselines using state-of-the-art methods and release the complete dataset along with generation tools to support community extension: https://github.com/clementinegrethen/MoonAnything.
- Abstract（参考訳）: 月面の正確な認識は、現代の月探査ミッションにとって重要である。
しかし、堅牢な学習に基づく知覚システムの開発は、幾何学的および測光的監視を提供するデータセットの欠如によって妨げられている。
既存の月のデータセットには、幾何学的基底真理、測光的リアリズム、照明の多様性、大規模カバレッジが欠落している。
本稿では,実際の月面地形を物理ベースレンダリングで統合したベンチマークであるMoonAnythingを紹介する。
ベンチマークは2つの補完的なサブデータセットから構成される。
i)LunarGeoは、3次元再構成とポーズ推定が可能な高密度深度マップとカメラキャリブレーションを備えたステレオ画像を提供する。
ii)LunarPhotoは、空間的に変化するBRDFモデルと、実際の太陽構成下での多重照度レンダリングを用いて、反射率推定と照度ロスト知覚を可能にするフォトリアリスティック画像を提供する。
これらのデータセットは、包括的な監視を備えた130K以上のサンプルを提供する。
月面への応用以外にも、MoonAnythingは低テクスチャで高コントラスト条件下でのアルゴリズムの独特な設定と挑戦的なテストベッドを提供し、他の大気のない天体にも適用でき、それ以上に一般化することができる。
State-of-the-artメソッドを使用してベースラインを確立し、コミュニティ拡張をサポートするジェネレーションツールとともに、完全なデータセットをリリースする。
関連論文リスト
- Lunar-G2R: Geometry-to-Reflectance Learning for High-Fidelity Lunar BRDF Estimation [0.11242503819703255]
月面デジタル標高モデル(DEM)から直接空間的に変化するBRDFパラメータを予測する幾何学-反射学習フレームワークを提案する。
チコクレーターの地理的に保持された地域での実験では, 最先端のベースラインに比べて光度誤差が38%減少することが示された。
論文 参考訳（メタデータ） (2026-01-15T14:39:25Z) - Depth Anything 3: Recovering the Visual Space from Any Views [64.12492264286522]
任意の数の視覚入力から空間的に一貫した幾何を予測するモデルとして,Depth Anything 3 (DA3) を提案する。
我々は、カメラのポーズ推定、任意のビュー幾何学、視覚レンダリングを含む新しいビジュアルジオメトリ・ベンチマークを構築した。
このベンチマークでは、DA3は全てのタスクをまたいで新しい最先端を設定し、以前のSOTA VGGTを平均44.3%の精度で上回り、幾何学的精度は25.1%である。
論文 参考訳（メタデータ） (2025-11-13T18:59:53Z) - OLATverse: A Large-scale Real-world Object Dataset with Precise Lighting Control [65.57356151743936]
OLATverseは、765の現実世界のオブジェクトの約9Mの画像からなる大規模なデータセットである。
それぞれの物体は35個のDSLRカメラと331個の個別に制御された光源で撮影され、様々な照明条件のシミュレーションを可能にする。
我々は、逆レンダリングと正規推定のための最初の総合的な実世界のオブジェクト中心ベンチマークを構築し、広範囲な評価セットを構築した。
論文 参考訳（メタデータ） (2025-11-04T11:13:43Z) - Adapting Stereo Vision From Objects To 3D Lunar Surface Reconstruction with the StereoLunar Dataset [0.12314765641075437]
月の最初のステレオ画像ペアのオープンデータセットであるLunarStereoを紹介する。
月面の南極周辺の様々な高度、照明条件、視角をカバーしている。
我々はLunarStereoの微調整によりMASt3Rモデルを月領域に適応させる。
論文 参考訳（メタデータ） (2025-10-20T23:50:52Z) - AI-Enabled Crater-Based Navigation for Lunar Mapping [12.60100558410094]
クレーターベースのナビゲーション(CBN)は、画像上で観測された月のユビキタス衝突クレーターを自然のランドマークとして使用し、宇宙船の6度の自由なポーズを決定する。
STELLAは、長期の月面マッピングのための最初のエンドツーエンドCBNパイプラインである。
STELLAを厳格にテストするために、私たちはCRESENT-365という1年間の月面マッピングミッションをエミュレートした最初の公開データセットを紹介します。
論文 参考訳（メタデータ） (2025-09-25T05:09:41Z) - FLARE: Feed-forward Geometry, Appearance and Camera Estimation from Uncalibrated Sparse Views [100.45129752375658]
FLAREは、高品質カメラのポーズと3次元幾何を、補正されていないスパースビュー画像から推定するために設計されたフィードフォワードモデルである。
本ソリューションでは,3次元構造を2次元画像平面にマッピングする上で,カメラポーズが重要なブリッジとして機能するケースケード学習パラダイムを特徴とする。
論文 参考訳（メタデータ） (2025-02-17T18:54:05Z) - LuSNAR:A Lunar Segmentation, Navigation and Reconstruction Dataset based on Muti-sensor for Autonomous Exploration [2.3011380360879237]
環境認識とナビゲーションアルゴリズムが月探査の基盤となっている。
既存の月のデータセットのほとんどは、単一のタスクをターゲットにしています。
本稿では,マルチタスク,マルチシーン,マルチラベルのベンチマークデータセットLuSNARを提案する。
論文 参考訳（メタデータ） (2024-07-09T02:47:58Z) - Icy Moon Surface Simulation and Stereo Depth Estimation for Sampling
Autonomy [4.97538153735235]
バルク光度特性のスペクトルにまたがる多目的ステレオデータセット生成のためのフレームワークを提案する。
またステレオベースの視覚認識システムに焦点をあて,ステレオマッチングによる深度推定のための従来の学習アルゴリズムと深度学習アルゴリズムの両方を評価する。
我々のフレームワークは、氷の月の地形の視覚的表現に関して、幅広い仮説に適合することができる。
論文 参考訳（メタデータ） (2024-01-23T00:06:19Z) - 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) - Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset
for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。
我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文 参考訳（メタデータ） (2020-01-18T12:26:22Z)
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。