論文の概要: SatSurfGS: Generalizable 2D Gaussian Splatting for Sparse-View Satellite Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2605.07181v1
• Date: Fri, 08 May 2026 03:19:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.77238
• Title: SatSurfGS: Generalizable 2D Gaussian Splatting for Sparse-View Satellite Surface Reconstruction
• Title（参考訳）: SatSurfGS:Sparse-View衛星表面再構成のための一般化可能な2次元ガウススプラッティング
• Authors: Min Chen, Wei Guo, Bin Wang, Wen Li, Tong Fang, Jinbo Zhang, Junqi Zhao, Hong Kuang, Han Hu, Xuming Ge, Qing Zhu, Bo Xu,
• Abstract要約: 2DGSに基づく衛星画像のスパース面再構成法であるSatSurfGSを提案する。 提案手法は粗大なガウス属性予測フレームワークを構築し,局所的な幾何学的信頼性を3つのレベルで明確にモデル化する。 衛星データセットを用いた実験により,提案手法はレンダリング品質,表面再構成精度,クロスデータセットの一般化,推論効率の向上を実現している。
• 参考スコア（独自算出の注目度）: 28.052416644147044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse-view satellite image surface reconstruction remains highly challenging, fundamentally because the reliability of multi-view matching under satellite imaging conditions is strongly spatially heterogeneous. Affected by large photometric differences, weak textures, and repetitive textures, multi-view geometric constraints are often sparse, unevenly distributed, and locally unreliable. Although 2D Gaussian Splatting (2DGS) is more suitable than 3D Gaussian Splatting (3DGS) for the explicit representation of continuous surfaces, research on generalizable feed-forward 2DGS frameworks for sparse-view satellite surface reconstruction is still lacking. To address this issue, we propose SatSurfGS, a generalizable sparse-view surface reconstruction method for satellite imagery based on 2DGS. The proposed method builds a coarse-to-fine Gaussian attribute prediction framework and explicitly models local geometric reliability at three levels: feature learning, Gaussian parameter estimation, and training optimization. Specifically, we propose a confidence-aware monocular multi-view feature fusion module to adaptively integrate monocular priors and multi-view matching features according to local confidence; a cross-stage self-consistency residual guidance module to stabilize stage-wise Gaussian parameter refinement using the residual between the rendered height map from the previous stage and the current-stage MVS height map, together with confidence information; and a confidence bidirectional routing loss to achieve differentiated allocation of geometric and appearance supervision. Experiments on satellite datasets show that the proposed method achieves improved rendering quality, surface reconstruction accuracy, cross-dataset generalization, and inference efficiency compared with representative generalizable baselines and competitive per-scene optimization methods.
• Abstract（参考訳）: 衛星画像表面のスパースビューの再構成は、基本的に衛星画像条件下でのマルチビューマッチングの信頼性は、空間的に強く異質であるため、非常に困難である。 大きな光度差、弱いテクスチャ、反復的なテクスチャの影響により、多視点幾何学的制約はしばしば疎く、不均一に分散し、局所的に信頼できない。 2DGSは連続面の明示的な表現に3D Gaussian Splatting (3DGS)よりも適しているが、スパースビュー衛星表面再構成のための一般化可能なフィードフォワード2DGSフレームワークの研究はいまだ不十分である。 この問題に対処するために,2DGSに基づく衛星画像のスパース面再構成法であるSatSurfGSを提案する。 提案手法は粗大なガウス属性予測フレームワークを構築し,特徴学習,ガウスパラメータ推定,トレーニング最適化の3段階で局所的幾何学的信頼性を明示的にモデル化する。 具体的には、局所的な信頼度に応じてモノクルの先行と複数ビューのマッチングを適応的に統合する信頼を意識した単眼単眼機能融合モジュールを提案する。また、前段からレンダリングされた高さマップと現在のステージMVS高さマップの間の残差を用いて段階的にガウスパラメータを安定化するクロスステージ自己整合性残留誘導モジュールと、信頼性情報とともに、幾何的および外観的インスペクションの区別された割り当てを実現するための信頼双方向ルーティング損失を提案する。 衛星データセットを用いた実験により,提案手法は,一般的な一般化可能なベースラインと競合するシーンごとの最適化手法と比較して,レンダリング品質,表面再構成精度,クロスデータセットの一般化,推論効率の向上を実現していることがわかった。

関連論文リスト

• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• Gesplat: Robust Pose-Free 3D Reconstruction via Geometry-Guided Gaussian Splatting [21.952325954391508]
  本稿では、3DGSベースのフレームワークであるGesplatを紹介し、ロバストな新しいビュー合成と、未提示のスパース画像からの幾何的に一貫した再構成を可能にする。 提案手法は,他のポーズフリー手法と比較して,前方および大規模の複雑なデータセット上でより堅牢な性能を実現する。
  論文  参考訳（メタデータ） (2025-10-11T08:13:46Z)
• Hi^2-GSLoc: Dual-Hierarchical Gaussian-Specific Visual Relocalization for Remote Sensing [6.997091164331322]
  リモートセンシングやUAVアプリケーションには、視覚的再ローカライゼーションが不可欠である。 画像に基づく検索とポーズ回帰アプローチは精度に欠ける。 スパース・トゥ・デンス(sparse-to-dense)と粗粒度(arse-to-fine)のパラダイムに従う二重階層的再ローカライゼーションフレームワークである$mathrmHi2$-GSLocを紹介した。
  論文  参考訳（メタデータ） (2025-07-21T14:47:56Z)
• CrossView-GS: Cross-view Gaussian Splatting For Large-scale Scene Reconstruction [5.528874948395173]
  マルチブランチ構築と融合に基づく大規模シーン再構築のための新しいクロスビューガウス分割法を提案する。 本手法は,最先端の手法と比較して,新規なビュー合成における優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-01-03T08:24:59Z)
• 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)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)

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。