論文の概要: UAVFF3D: A Geometry-Aware Benchmark for Feed-Forward UAV 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2605.17942v2
• Date: Tue, 19 May 2026 05:33:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.565342
• Title: UAVFF3D: A Geometry-Aware Benchmark for Feed-Forward UAV 3D Reconstruction
• Title（参考訳）: UAVFF3D: フィードフォワードUAV3D再構成のための幾何学的ベンチマーク
• Authors: Xiang Yang, Yongli Wang, HaiFeng Li, Yunsheng Zhang,
• Abstract要約: フィードフォワードUAV3D再構成のための幾何対応ベンチマークであるUAVFF3Dを紹介する。 UAVFF3Dには、170万以上の実際のUAV画像と、高品質なテクスチャ化された3Dモデルからレンダリングされた370万以上の合成画像が含まれている。 また、プロジェクション幾何学の曖昧さを診断するための制御されたHFOV高さテストサブセットも含まれている。
• 参考スコア（独自算出の注目度）: 8.117428563545017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feed-forward 3D reconstruction has advanced rapidly, but current models remain unreliable in UAV photogrammetric acquisition. We argue that this failure is caused not only by appearance-domain shift, but also by UAV-specific camera-geometry variations, especially oblique views and HFOV-height ambiguity. Existing UAV datasets mainly emphasize scene diversity and provide limited coverage of camera configurations, which restricts robustness evaluation and UAV-domain adaptation. To address this gap, we introduce UAVFF3D, a geometry-aware real-synthetic benchmark for feed-forward UAV 3D reconstruction. UAVFF3D contains more than 170k real UAV images and more than 370k synthetic images rendered from high-quality textured 3D models, covering diverse HFOVs, flight altitudes, viewing directions, and acquisition patterns. It also includes a controlled HFOV-height test subset for diagnosing projection-geometry ambiguity. We further propose an evaluation protocol that jointly assesses camera-geometry estimation and dense scene reconstruction under a shared global alignment, avoiding the bias caused by separate camera and geometry alignments. Experiments on representative feed-forward reconstruction models show that UAVFF3D-based domain adaptation consistently improves camera and geometry estimation, reducing Ray Error by up to 84.2%, Pose ATE by up to 76.0%, and Chamfer Distance by up to 41.1%. In oblique scenes, adaptation reduces the oblique-nadir rotation gap by up to 90.7%. Under HFOV-height ambiguity, it improves robustness across HFOV-height configurations and yields more stable performance across HFOV settings. Incorporating camera priors further improves reconstruction under UAV-specific acquisition geometries. The dataset and evaluation code are available at https://github.com/yanxian-ll/UAVFF3D .
• Abstract（参考訳）: フィードフォワード3D再構成は急速に進歩しているが、現在のモデルはUAV写真グラム取得では信頼性が低いままである。 この失敗は、外見領域シフトだけでなく、UAV固有のカメラ・ジオメトリのバリエーション、特に斜視やHFOV高さの曖昧さによっても引き起こされると我々は主張する。 既存のUAVデータセットは、主にシーンの多様性を強調し、堅牢性評価とUAVドメイン適応を制限するカメラ構成の限定的なカバレッジを提供する。 このギャップに対処するため, フィードフォワードUAV3D再構成のためのジオメトリ対応リアルタイム合成ベンチマークであるUAVFF3Dを導入する。 UAVFF3Dには、170万以上の実際のUAV画像と、高品質なテクスチャ化された3Dモデルからレンダリングされた370万以上の合成画像が含まれており、多様なHFOV、飛行高度、視線方向、取得パターンをカバーしている。 また、プロジェクション幾何学の曖昧さを診断するための制御されたHFOV高さテストサブセットも含まれている。 さらに,異なるカメラと幾何学的アライメントによるバイアスを回避し,共有グローバルアライメントの下でカメラ・ジオメトリ推定と密集シーン再構築を共同で評価する評価プロトコルを提案する。 代表的なフィードフォワード再構成モデルの実験では、UAVFF3Dベースのドメイン適応はカメラと幾何学の推定を一貫して改善し、レイ・エラーを84.2%、ポス・ATEを76.0%、チャンファー・ディスタンスを41.1%削減した。 斜めのシーンでは、適応は斜めの回転ギャップを最大90.7%減少させる。 HFOVハイト曖昧さの下では、HFOVハイト構成間の堅牢性を改善し、HFOV設定間のより安定したパフォーマンスを実現する。 カメラの事前装備により、UAV固有の取得ジオメトリの下での再構築がさらに改善される。 データセットと評価コードはhttps://github.com/yanxian-ll/UAVFF3D で公開されている。

関連論文リスト

• PoInit-of-View: Poisoning Initialization of Views Transfers Across Multiple 3D Reconstruction Systems [55.84012796735184]
  近年,3次元再構築システムの入力ビューについて検討している。 本稿では,対向的摂動を最適化し,対面不整合を意図的に導入するPoInit-of-Viewを提案する。 実験により,多種多様な3次元再構成システムとデータセットに対するPoInit-of-Viewの有効性が示された。
  論文  参考訳（メタデータ） (2026-04-17T00:48:12Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Reliev3R: Relieving Feed-forward Reconstruction from Multi-View Geometric Annotations [98.66466590444553]
  コスト制約のない多視点幾何アノテーションを使わずにFFRMをスクラッチからトレーニングするための弱教師付きパラダイムであるReliev3Rを提案する。 Reliev3Rのコアでは、多視点幾何整合性の監視を容易にするために、曖昧さを意識した相対深度損失と三角法に基づく再射損失を設計する。
  論文  参考訳（メタデータ） (2026-04-01T06:46:54Z)
• An Evaluation of DUSt3R/MASt3R/VGGT 3D Reconstruction on Photogrammetric Aerial Blocks [17.58704237530163]
  3Dコンピュータビジョンアルゴリズムは、スパースで非順序のイメージセットの処理に引き続き進歩している。 近年,3次元再構成のための基礎モデルが注目されている。 本稿では,DUSt3R/MASt3R/VGGTモデルを用いて,ポーズ推定と高密度3次元再構成を行う。
  論文  参考訳（メタデータ） (2025-07-20T03:09:04Z)
• Evaluation of Flight Parameters in UAV-based 3D Reconstruction for Rooftop Infrastructure Assessment [0.08192907805418585]
  UAVを用いた3次元ホログラフィーによる屋根上3次元再構築は,インフラ評価に有望な解決策を提供する。 既存の手法では、自律飛行経路を使用する際のモデル精度を確保するために、画像の重複率が高く、飛行時間を延長する必要があることが多い。 本研究は,複合屋上インフラの3次元再構築を最適化するために,キーフライトパラメーター地上サンプリング距離(GSD)と画像重なり合いを体系的に評価する。
  論文  参考訳（メタデータ） (2025-04-02T19:43:20Z)
• Instance-aware Multi-Camera 3D Object Detection with Structural Priors Mining and Self-Boosting Learning [93.71280187657831]
  カメラによる鳥眼視(BEV)知覚パラダイムは、自律運転分野において大きな進歩を遂げている。 画像平面のインスタンス認識をBEV検出器内の深度推定プロセスに統合するIA-BEVを提案する。
  論文  参考訳（メタデータ） (2023-12-13T09:24:42Z)
• ConsistentNeRF: Enhancing Neural Radiance Fields with 3D Consistency for Sparse View Synthesis [99.06490355990354]
  本研究では,深度情報を利用して画素間のマルチビューとシングルビューの3D整合性を調整する手法であるConsistentNeRFを提案する。 提案手法は,PSNRが94%,SSIMが31%,LPIPSが31%,疎視条件下でのモデル性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-05-18T15:18:01Z)
• Enhanced Stable View Synthesis [86.69338893753886]
  本稿では,自由に動くカメラから撮影した画像から,新しいビュー合成を強化するアプローチを提案する。 導入されたアプローチは、正確な幾何学的足場とカメラのポーズの復元が困難な屋外シーンに焦点を当てている。
  論文  参考訳（メタデータ） (2023-03-30T01:53:14Z)
• A volumetric change detection framework using UAV oblique photogrammetry - A case study of ultra-high-resolution monitoring of progressive building collapse [4.001160460535953]
  本稿では,無人航空機による解体イベント中の建物の精密な3次元変化検出と監視を行うケーススタディを提案する。 分解の異なる段階で発生する3次元点雲で, 多時間斜め撮影画像が収集される。 ポーズ推定,再構成,粗大な3次元密度変化解析のための多時間UAV画像を統合する階層的変化検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-05T18:20:29Z)

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。