論文の概要: Sat3DGen: Comprehensive Street-Level 3D Scene Generation from Single Satellite Image

• arxiv url: http://arxiv.org/abs/2605.14984v1
• Date: Thu, 14 May 2026 15:48:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.923219
• Title: Sat3DGen: Comprehensive Street-Level 3D Scene Generation from Single Satellite Image
• Title（参考訳）: Sat3DGen:1つの衛星画像からストリートレベル3Dシーンを総合的に生成
• Authors: Ming Qian, Zimin Xia, Changkun Liu, Shuailei Ma, Wen Wang, Zeran Ke, Bin Tan, Hang Zhang, Gui-Song Xia,
• Abstract要約: そこで我々は,Sat3DGenを導入して,幾何優先の方法論を具現化した基本的な課題に対処する。 この手法は、新しい幾何学的制約と視点学習戦略を統合することにより、フィードフォワードパラダイムを強化する。 検証のために,VIGOR-OODテストセットと高分解能DSMデータを組み合わせた新しいベンチマークを構築した。
• 参考スコア（独自算出の注目度）: 41.808778998486666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating a street-level 3D scene from a single satellite image is a crucial yet challenging task. Current methods present a stark trade-off: geometry-colorization models achieve high geometric fidelity but are typically building-focused and lack semantic diversity. In contrast, proxy-based models use feed-forward image-to-3D frameworks to generate holistic scenes by jointly learning geometry and texture, a process that yields rich content but coarse and unstable geometry. We attribute these geometric failures to the extreme viewpoint gap and sparse, inconsistent supervision inherent in satellite-to-street data. We introduce Sat3DGen to address these fundamental challenges, which embodies a geometry-first methodology. This methodology enhances the feed-forward paradigm by integrating novel geometric constraints with a perspective-view training strategy, explicitly countering the primary sources of geometric error. This geometry-centric strategy yields a dramatic leap in both 3D accuracy and photorealism. For validation, we first constructed a new benchmark by pairing the VIGOR-OOD test set with high-resolution DSM data. On this benchmark, our method improves geometric RMSE from 6.76m to 5.20m. Crucially, this geometric leap also boosts photorealism, reducing the Fréchet Inception Distance (FID) from $\sim$40 to 19 against the leading method, Sat2Density++, despite using no extra tailored image-quality modules. We demonstrate the versatility of our high-quality 3D assets through diverse downstream applications, including semantic-map-to-3D synthesis, multi-camera video generation, large-scale meshing, and unsupervised single-image Digital Surface Model (DSM) estimation. The code has been released on https://github.com/qianmingduowan/Sat3DGen.
• Abstract（参考訳）: 1つの衛星画像からストリートレベルの3Dシーンを生成することは、非常に重要な課題である。 幾何色化モデルは高い幾何学的忠実性を達成するが、一般的には構築中心であり、意味的な多様性が欠如している。 対照的に、プロキシベースのモデルは、フィードフォワード画像から3Dのフレームワークを使用して、リッチなコンテンツを生み出すが粗く不安定な幾何学である幾何学とテクスチャを共同で学習することで、全体像を生成する。 これらの幾何学的欠陥は、衛星とストリートのデータに固有の極端な視点ギャップとスパース、一貫性のない監督に起因している。 幾何学第一の方法論を具現化したこれらの基本的な課題に対処するために、Sat3DGenを導入します。 この手法は、新しい幾何学的制約と視点的学習戦略を統合することにより、フィードフォワードパラダイムを強化する。 この幾何学中心の戦略は、3次元精度とフォトリアリズムの両方において劇的な飛躍をもたらす。 検証のために,VIGOR-OODテストセットと高分解能DSMデータを組み合わせた新しいベンチマークを構築した。 このベンチマークでは、幾何RMSEを6.76mから5.20mに改善する。 重要な点として、この幾何学的な飛躍はフォトリアリズムを加速させ、Fréchet Inception Distance (FID) を $\sim$40 から 19 に削減する。 我々は、セマンティックマップから3D合成、マルチカメラビデオ生成、大規模メッシュ化、教師なし単一イメージデジタル表面モデル(DSM)推定など、さまざまなダウンストリームアプリケーションを通じて、高品質な3Dアセットの汎用性を実証する。 コードはhttps://github.com/qianmingduowan/Sat3DGenで公開されている。

関連論文リスト

• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• Scalable Adaptation of 3D Geometric Foundation Models via Weak Supervision from Internet Video [76.32954467706581]
  本稿では,生のビデオストリームからGEometric foundationモデルのスケーラブル適応を行うフレームワークであるSAGEを提案する。 階層的なマイニングパイプラインを使用して、ビデオをトレーニングトラジェクトリやハイブリッド監視に変換します。 実験の結果、SAGEはゼロショットの一般化を著しく向上し、チェムファー距離を20-42%削減した。
  論文  参考訳（メタデータ） (2026-02-08T09:53:21Z)
• Spherical Geometry Diffusion: Generating High-quality 3D Face Geometry via Sphere-anchored Representations [18.442834011472005]
  テキストから3Dの顔生成における根本的な課題は、高品質な幾何学を実現することである。 球面座標に幾何学的信号を固定する新しい顔表現である球面幾何表現を導入する。 次に、この2次元マップ上に構築された条件拡散フレームワークである球拡散幾何学を紹介する。
  論文  参考訳（メタデータ） (2026-01-19T20:15:45Z)
• GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation [68.02988074681427]
  画像から3Dのシーン生成にビデオモデルを利用する以前の研究は、幾何学的歪みやぼやけた内容に悩まされる傾向にある。 本稿では,幾何学モデルの可能性を解き放つことにより,画像から3次元のシーン生成のパイプラインを再構築する。 我々のGeoWorldは、1つの画像と所定のカメラ軌道から高忠実度3Dシーンを生成することができ、定性的かつ定量的に先行手法より優れている。
  論文  参考訳（メタデータ） (2025-11-28T13:55:45Z)
• Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
  本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。 本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
  論文  参考訳（メタデータ） (2025-09-18T13:45:08Z)
• SAT: Supervisor Regularization and Animation Augmentation for Two-process Monocular Texture 3D Human Reconstruction [7.584417190255802]
  モノクラーテクスチャ3D人間の再構築は、単一のフロントビューの人間のRGB画像から完全な3Dデジタルアバターを作成することを目的としている。 本研究では,従来の様々な測地を統一的にシームレスに学習する2プロセスの人体再構成フレームワークSATを提案する。 また,データ不足に対処し,再現性を向上させるオンラインアニメーション拡張モジュールを提案する。
  論文  参考訳（メタデータ） (2025-08-27T08:52:35Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• G-NeRF: Geometry-enhanced Novel View Synthesis from Single-View Images [45.66479596827045]
  我々は,幾何誘導多視点合成手法により,幾何先行性を高めるための幾何強調型NeRF(G-NeRF)を提案する。 単一視点画像に対する多視点監視の欠如に対処するために,深度認識型トレーニングアプローチを設計する。
  論文  参考訳（メタデータ） (2024-04-11T04:58:18Z)
• Hybrid Approach for 3D Head Reconstruction: Using Neural Networks and Visual Geometry [3.970492757288025]
  本稿では,深層学習と幾何学的手法に基づくハイブリッド手法を用いて,複数の画像から3次元頭部を再構築する手法を提案する。 U-netアーキテクチャに基づくエンコーダデコーダネットワークを提案し、合成データのみを学習する。
  論文  参考訳（メタデータ） (2021-04-28T11:31:35Z)

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。