論文の概要: Efficient Transceiver Design for Aerial Image Transmission and Large-scale Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2604.11098v2
• Date: Wed, 22 Apr 2026 15:56:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.149631
• Title: Efficient Transceiver Design for Aerial Image Transmission and Large-scale Scene Reconstruction
• Title（参考訳）: 空中画像伝送と大規模シーン再構成のための効率的なトランシーバ設計
• Authors: Zeyi Ren, Jialin Dong, Wei Zuo, Yikun Wang, Bingyang Cheng, Sheng Zhou, Zhisheng Niu,
• Abstract要約: 低高度インテリジェントネットワーク(LAIN)における大規模3次元シーン再構成は,高効率な無線画像伝送を必要とする。 本稿では,3次元ガウススティング(3DGS)を直接学習プロセスに統合する,ディープラーニングに基づくエンドツーエンド(E2E)トランスシーバの設計を提案する。 実世界の航空画像データセットの実験では、提案されたE2E設計が既存のベースラインを著しく上回り、伝送性能と正確な3Dシーン再構成を実現することが示されている。
• 参考スコア（独自算出の注目度）: 10.810712823457257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale three-dimensional (3D) scene reconstruction in low-altitude intelligent networks (LAIN) demands highly efficient wireless image transmission. However, existing schemes struggle to balance severe pilot overhead with the transmission accuracy required to maintain reconstruction fidelity. To strike a balance between efficiency and reliability, this paper proposes a novel deep learning-based end-to-end (E2E) transceiver design that integrates 3D Gaussian Splatting (3DGS) directly into the training process. By jointly optimizing the communication modules via the combined 3DGS rendering loss, our approach explicitly improves scene recovery quality. Furthermore, this task-driven framework enables the use of a sparse pilot scheme, significantly reducing transmission overhead while maintaining robust image recovery under low-altitude channel conditions. Extensive experiments on real-world aerial image datasets demonstrate that the proposed E2E design significantly outperforms existing baselines, delivering superior transmission performance and accurate 3D scene reconstructions.
• Abstract（参考訳）: 低高度インテリジェントネットワーク(LAIN)における大規模3次元3次元シーン再構成は,高効率な無線画像伝送を必要とする。 しかし、既存の計画では、高度にパイロットのオーバーヘッドと、再建の忠実さを維持するために必要な伝達精度のバランスをとるのに苦労している。 効率性と信頼性のバランスをとるために,3Dガウス・スプレイティング(3DGS)を直接トレーニングプロセスに統合した,ディープラーニングに基づくエンドツーエンド(E2E)トランスシーバの設計を提案する。 組み合わせた3DGSレンダリング損失によって通信モジュールを協調的に最適化することにより,シーン回復の質が向上する。 さらに、このタスク駆動フレームワークは、低高度チャネル条件下でのロバストな画像回復を維持しつつ、透過オーバーヘッドを著しく低減し、スパースパイロット方式の使用を可能にする。 実世界の航空画像データセットに関する大規模な実験により、提案されたE2E設計が既存のベースラインを著しく上回り、伝送性能と正確な3Dシーン再構成を実現することを示した。

関連論文リスト

• Large-scale Photorealistic Outdoor 3D Scene Reconstruction from UAV Imagery Using Gaussian Splatting Techniques [0.734084539365505]
  本稿では,ドローンでキャプチャした映像ストリームを低レイテンシで高忠実度な3D再構成に変換できるエンドツーエンドパイプラインを提案する。 我々の目標は,RTMPストリーミング,同期センサ融合,カメラポーズ推定,3DGS最適化によるライブビデオ取得を併用した効率的なアーキテクチャを提案することである。
  論文  参考訳（メタデータ） (2026-02-23T20:40:26Z)
• Progressive Flow-inspired Unfolding for Spectral Compressive Imaging [11.638690628451647]
  符号化開口スナップショット分光画像(CASSI)は、単一の2次元圧縮計測から3次元ハイパースペクトル画像(HSI)を取得する。 近年の深層展開ネットワーク (DUN) はCASSI再建の最先端を達成している。 拡散軌跡と流れの整合性に着想を得て,新しい軌道制御可能な展開フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-15T16:10:50Z)
• RobustGS: Unified Boosting of Feedforward 3D Gaussian Splatting under Low-Quality Conditions [67.48495052903534]
  本稿では,汎用的で効率的なマルチビュー機能拡張モジュールRobustGSを提案する。 各種の有害撮像条件下でのフィードフォワード3DGS法のロバスト性を大幅に向上させる。 RobustGSモジュールはプラグイン・アンド・プレイ方式で既存の事前訓練パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2025-08-05T04:50:29Z)
• ZipIR: Latent Pyramid Diffusion Transformer for High-Resolution Image Restoration [75.0053551643052]
  本稿では、高解像度画像復元のための効率性、スケーラビリティ、長距離モデリングを向上する新しいフレームワークZipIRを紹介する。 ZipIRは画像32xを圧縮する高度に圧縮された潜在表現を使用し、空間トークンの数を効果的に削減する。 ZipIRは既存の拡散ベースの手法を超越し、高度に劣化した入力からの高解像度画像の復元において、未整合の速度と品質を提供する。
  論文  参考訳（メタデータ） (2025-04-11T14:49:52Z)
• 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)
• Deep Learning-based Cross-modal Reconstruction of Vehicle Target from Sparse 3D SAR Image [6.499547636078961]
  本稿では,光学情報を融合させることで,車両のスパース3D SAR画像の高精細化を実現する3D-SAR再構成ネットワーク(CMAR-Net)を提案する。 CMAR-Netは、高度にスパースな観察から得られたスパース3次元SAR画像を視覚的に構造化された3次元車両画像に再構成し、効率的なトレーニングを実現する。
  論文  参考訳（メタデータ） (2024-06-06T15:18:59Z)
• GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
  本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。 提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
  論文  参考訳（メタデータ） (2024-05-17T07:31:20Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)

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。