論文の概要: From Images2Mesh: A 3D Surface Reconstruction Pipeline for Non-Cooperative Space Objects

• arxiv url: http://arxiv.org/abs/2605.00147v1
• Date: Thu, 30 Apr 2026 19:10:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.71915
• Title: From Images2Mesh: A 3D Surface Reconstruction Pipeline for Non-Cooperative Space Objects
• Title（参考訳）: Images2Meshから:非協力的な宇宙物体のための三次元表面再構成パイプライン
• Authors: Bala Prenith Reddy Gopu, Patrick Quinn, George M. Nehma, Madhur Tiwari, Matt Ueckermann, David Hinckley, Christopher McKenna,
• Abstract要約: 単分子検査画像から非協調的空間物体の暗黙的表面再構成を行うパイプラインを提案する。 我々は、STS-119ミッションで公開されたISSの検査映像と、H-IIAロケット上段の軌道上での検査映像を実証した。 実際の軌道上の映像からカメラのポーズ推定を成功させるには,セグメンテーションに基づく背景除去が不可欠である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On-orbit inspection imagery is crucial as it enables characterization of non-cooperative resident space objects, providing the geometry and structural condition essential for active debris removal and on-orbit servicing mission planning. However, most existing neural implicit surface reconstruction methods have been confined to synthetic or hardware-in-the-loop data with known camera poses and controlled illumination. In this work, we present a pipeline for neural implicit surface reconstruction of non-cooperative space objects from monocular inspection imagery. We demonstrate it on publicly released ISS inspection footage from the STS-119 mission and publicly released on-orbit inspection footage of an H-IIA rocket upper stage. We find that segmentation-based background removal is essential for successful camera pose estimation from real on-orbit footage, where background variation between frames caused direct processing to fail entirely. We further incorporate photometric correction of per-frame exposure variations and analyze its behavior across datasets, finding that performance in shadowed regions varies with the illumination characteristics of the input footage.
• Abstract（参考訳）: 軌道上の検査画像は、非協力的な宇宙物体のキャラクタリゼーションを可能にし、アクティブデブリ除去や軌道上での任務計画に欠かせない幾何学的および構造的条件を提供するため、重要である。 しかし、既存の暗黙的表面再構成法のほとんどは、既知のカメラのポーズと制御された照明による合成またはハードウェア・イン・ザ・ループデータに限られている。 本研究では,単分子検査画像から非協調的な空間物体の暗黙的表面再構成を行うパイプラインを提案する。 我々は、STS-119ミッションで公開されたISSの検査映像と、H-IIAロケット上段の軌道上での検査映像を実証した。 フレーム間の背景変化によって直接処理が完全に失敗する実際の軌道上の映像からカメラのポーズ推定を成功させるには,セグメント化に基づく背景除去が不可欠であることがわかった。 さらに、フレーム単位の露光変動の光度補正を行い、その振る舞いをデータセット間で分析し、シャドウ領域における性能が入力映像の照明特性と異なることを確認する。

関連論文リスト

• SpatialEdit: Benchmarking Fine-Grained Image Spatial Editing [85.49998134609665]
  画像空間編集は幾何学的な変換を行い、オブジェクトのレイアウトやカメラの視点を正確に制御できる。 現在のモデルはきめ細かい空間操作には不十分であり、専用のアセスメントスイートを動機付けている。 本研究では,空間編集を評価する完全ベンチマークであるSpatialEdit-Benchを紹介する。 制御可能なブレンダーパイプラインで生成された合成データセットであるSpatialEdit-500kを構築した。
  論文  参考訳（メタデータ） (2026-04-06T17:54:42Z)
• A 3D Reconstruction Benchmark for Asset Inspection [39.16724739487446]
  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。
  論文  参考訳（メタデータ） (2026-03-18T04:42:14Z)
• Joint attitude estimation and 3D neural reconstruction of non-cooperative space objects [2.4078365225187386]
  3Dモデルは、宇宙状況認識の分野における貴重な情報源である。 我々は、NeRF(Neural Radiance Fields)を用いて、シミュレーション画像から非協調空間オブジェクトを3次元再構成した。
  論文  参考訳（メタデータ） (2025-06-25T17:33:49Z)
• GCRayDiffusion: Pose-Free Surface Reconstruction via Geometric Consistent Ray Diffusion [30.773599974914415]
  従来のアプローチでは、高密度ビュー設定において、ポーズのない表面再構成結果が顕著に達成されている。 カメラポーズ推定の線量拡散から抽出した明示的な点による学習を規則化する,ポーズレス表面再構成のための新しい手法を提案する。 我々のGCRayDiffusionは、幾何的に一貫した表面再構成結果により、従来のアプローチよりも正確なカメラポーズ推定を実現している。
  論文  参考訳（メタデータ） (2025-03-28T11:45:09Z)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
  本稿では,ハイブリッド画像前処理パイプラインを統合することで,障害を克服する新しい計算イメージングフレームワークを提案する。 我々は,中国の江東宇宙ステーションと国際宇宙ステーションの合成衛星データセットとオンスキー観測の両方にアプローチを検証した。 我々のフレームワークは地球からの高忠実度3D衛星監視を可能にし、宇宙状況認識のためのコスト効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2024-04-29T03:13:09Z)
• On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
  本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。 我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。 パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-08-01T09:14:20Z)
• 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)
• 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)

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。