論文の概要: DEM Refinement and Validation on the Lunar Surface Using Shape-from-Shading with Chandrayaan-2 OHRC Imagery

• arxiv url: http://arxiv.org/abs/2604.17436v1
• Date: Sun, 19 Apr 2026 13:36:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.52643
• Title: DEM Refinement and Validation on the Lunar Surface Using Shape-from-Shading with Chandrayaan-2 OHRC Imagery
• Title（参考訳）: Chandrayaan-2 OHRC画像を用いた形状変換による月面のDEM微細化と検証
• Authors: Aaranay Aadi, Jai Gopal Singla, Nitant Dube,
• Abstract要約: 本研究では,Chandrayaan-2に搭載されたOrbiter High Resolution Camera (OHRC) 画像を用いて,サブメタル解像度の月面デジタル標高モデル (DEM) を強化するためのShading (SfS) フレームワークを提案する。 このフレームワークはSfSを同じ領域の独立したOHRC画像に適用し、SfSを改良ツールとしてだけでなく、ステレオベースラインの制限を受けずに新しい地形データのソースとして利用することができる。 その結果、特に地表斜面の統計では、これまで未解決であったクレーターの微細な形態が明らかとなった。
• 参考スコア（独自算出の注目度）: 0.2548904650574671
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a Shape from Shading (SfS) framework to enhance sub-metre resolution lunar digital elevation models (DEMs) using imagery from the Orbiter High Resolution Camera (OHRC) aboard Chandrayaan-2. The framework applies SfS to an independent OHRC image of the same region, enabling SfS not just as a refinement tool, but as a source of new topographic data, unconstrained by stereo baseline limitations. The method is applied across three lunar sites, including the Cyrillus crater, the Vikram landing region, and the lunar south pole (Mons Mouton), with a systematic three-stage parameter sweep on the SfS smoothness weight. Results show measurable topographic enhancement, particularly in surface slope statistics, revealing fine-scale crater morphology previously unresolved. A limiting case is also characterized, where large pitch angle separation between the shading image and stereo pair reduces SfS sensitivity, and partial footprint coverage of the shading image is identified as a factor influencing spatially variable enhancement quality.
• Abstract（参考訳）: 本研究では,Chandrayaan-2に搭載されたOrbiter High Resolution Camera (OHRC) 画像を用いて,サブメタル解像度の月面デジタル標高モデル (DEM) を強化するためのShading (SfS) フレームワークを提案する。 このフレームワークはSfSを同じ領域の独立したOHRC画像に適用し、SfSを改良ツールとしてだけでなく、ステレオベースラインの制限を受けずに新しい地形データのソースとして利用することができる。 この手法は、キリルス・クレーター、ヴィクラム・ランディング・エリア、月の南極(モンス・ムートン)を含む3つの月面地にわたって適用され、SfSの滑らか度重みを体系的に3段階のパラメータスイープする。 その結果、特に地表斜面の統計では、これまで未解決であったクレーターの微細な形態が明らかとなった。 また、遮蔽画像とステレオ対の大きなピッチ角分離によりSfS感度が低下し、遮蔽画像の部分フットプリントカバレッジが空間変動増強品質に影響を与える要因として特定される制限ケースも特徴とする。

関連論文リスト

• Sub-metre Lunar DEM Generation and Validation from Chandrayaan-2 OHRC Multi-View Imagery Using an Open-Source Pipeline [0.2174820084855635]
  月面の高解像度デジタル標高モデル(DEM)は、地表移動計画、着陸地点のキャラクタリゼーション、惑星科学に不可欠である。 本研究は,Orbiter High Resolution Camera (OHRC) からのサブメタルDEMの生成を,オープンソースパイプラインのみを用いたマルチビュー画像として初めて行ったものである。 次に、高密度ステレオ対応と光三角測量を適用して点雲を生成し、5つの地理的に分布する月面の約24～54cmの空間分解能でDEMに格子状にグリッドする。
  論文  参考訳（メタデータ） (2026-04-01T15:43:04Z)
• 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)
• An Atmospheric Correction Integrated LULC Segmentation Model for High-Resolution Satellite Imagery [0.0]
  本研究では、大気の反射率と透過率を推定するために、ルックアップテーブルに基づく放射移動シミュレーションを用いる。 その後、修正された表面反射データは、教師付きおよび半教師付きセグメンテーションモデルで使用された。
  論文  参考訳（メタデータ） (2024-09-09T10:47:39Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
  本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。 提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
  論文  参考訳（メタデータ） (2023-12-07T19:30:55Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)
• Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
  本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。 我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
  論文  参考訳（メタデータ） (2023-09-19T05:44:00Z)
• 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)
• Low-Rank Subspaces in GANs [101.48350547067628]
  この研究は、GAN生成をより正確に制御できる低ランクな部分空間を導入している。 LowRankGAN は属性多様体の低次元表現を見つけることができる。 さまざまなデータセットでトレーニングされた最先端のGANモデル(StyleGAN2やBigGANなど)の実験は、私たちのLowRankGANの有効性を示しています。
  論文  参考訳（メタデータ） (2021-06-08T16:16:32Z)
• Photometric Multi-View Mesh Refinement for High-Resolution Satellite Images [24.245977127434212]
  最先端の復元手法は一般的に2.5次元の標高データを生成する。 マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-10T20:37:54Z)

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。