論文の概要: NeRF-based Spacecraft Reconstruction from Monocular Imagery Under Illumination Variability and Pose Uncertainty

• arxiv url: http://arxiv.org/abs/2605.18447v2
• Date: Tue, 19 May 2026 15:57:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.577539
• Title: NeRF-based Spacecraft Reconstruction from Monocular Imagery Under Illumination Variability and Pose Uncertainty
• Title（参考訳）: イルミネーション可変性とポス不確かさ下での単眼画像からのNeRFによる宇宙機再構成
• Authors: Antoine Legrand, Renaud Detry, Christophe De Vleeschouwer,
• Abstract要約: このような操作の重要な構成要素は、ターゲットの3Dモデルを2D画像の集合からオフラインで再構成することである。 我々は、これらの課題を克服するために、画像毎の自由度でニューラルラジアンス場を拡張することを提案する。 軌道上の操作を表す3つの画像集合に対して,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 14.365830773250929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous rendezvous and proximity operations around uncooperative, unknown spacecraft are critical for active debris removal and on-orbit servicing missions. A key component of such operations is the offline reconstruction of a 3D model of the target from a set of 2D images. This task is challenging due to two main factors. First, in-orbit illumination conditions exhibit considerable variability, and change rapidly over time. Second, the inaccuracy of pose information in the images, results in 3D reconstruction uncertainty. To overcome these challenges, we propose to extend Neural Radiance Fields with per-image degrees of freedom: a learnable appearance embedding that captures the illumination conditions specific to each image, and an image-specific pose correction term that refines its noisy pose label to increase 3D consistency across images. These parameters add minimal complexity, as they are learned jointly with the NeRF, yet they substantially improve robustness to illumination variability and pose inaccuracies. We validate our approach on three image sets representative of in-orbit operations, demonstrating its effectiveness for offline reconstruction and highlighting its suitability for online reconstruction, an open problem in the field.
• Abstract（参考訳）: 自律的なランデブーと、未協力で未知の宇宙船の周辺での近接操作は、アクティブなデブリ除去と軌道上のサービスミッションに不可欠である。 このような操作の重要な構成要素は、ターゲットの3Dモデルを2D画像の集合からオフラインで再構成することである。 この仕事は2つの主な要因から難しい。 第一に、軌道上の照明条件はかなりのばらつきを示し、時間とともに急速に変化する。 第二に、画像中のポーズ情報の不正確さは、3次元再構成の不確実性をもたらす。 これらの課題を克服するために、各画像に特有の照明条件をキャプチャする学習可能な外観埋め込みと、ノイズの多いポーズラベルを洗練して画像間の3D整合性を高める画像特異的ポーズ補正項を提案する。 これらのパラメータは、NeRFと共同で学習されるため、最小限の複雑さを増すが、照度可変性によりロバスト性を大幅に改善し、不正確さを生じさせる。 提案手法は,軌道上における3つの画像集合に対して検証し,オフライン再構築の有効性を実証し,オンライン再構成に適合する可能性を強調した。

関連論文リスト

• 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)
• DCI: Dual-Conditional Inversion for Boosting Diffusion-Based Image Editing [73.12011187146481]
  Diffusionモデル内のインバージョンは、実または生成された画像の潜時雑音表現を復元することを目的としている。 ほとんどの反転アプローチは、復元精度と編集の柔軟性の間の本質的にのトレードオフに悩まされている。 本稿ではDCI(Dual-Conditional Inversion)について紹介する。
  論文  参考訳（メタデータ） (2025-06-03T07:46:44Z)
• UnfoldIR: Rethinking Deep Unfolding Network in Illumination Degradation Image Restoration [33.290565892897824]
  DUN(Deep Openfolding Network)は、照明劣化画像復元(IDIR)に広く利用されている。 IDIRタスクのための新しいDUNベースのUnfoldIRを提案する。 反射率支援照明補正(RAIC)モジュールと照明誘導反射率向上(IGRE)モジュールから構成される。
  論文  参考訳（メタデータ） (2025-05-10T16:13:01Z)
• Unconstrained Large-scale 3D Reconstruction and Rendering across Altitudes [3.612819935891695]
  我々は,複数のキャリブレーションされた地上レベル,セキュリティレベル,空中カメラに基づく3次元再構成と新しいビュー合成のための最初の公開ベンチマークデータセットを開発した。 提案するデータセットは,現実の課題に対処し,未提示カメラの校正と新たなレンダリングビューの品質を独立に評価し,最近の最先端手法によるベースライン性能を実証し,さらなる研究の課題を特定する。
  論文  参考訳（メタデータ） (2025-04-29T19:57:29Z)
• SaENeRF: Suppressing Artifacts in Event-based Neural Radiance Fields [12.428456822446947]
  イベントカメラは低レイテンシ、低消費電力、低帯域幅、高ダイナミックレンジなどの利点を提供する。 イベントデータから幾何的に一貫性があり、測光的に正確な3D表現を再構築することは、基本的に困難である。 イベントストリームのみからの静的なシーンの3次元一貫性, 密度放射, フォトリアリスティックなNeRF再構成を可能にする, 新規な自己教師型フレームワークSaENeRFを提案する。
  論文  参考訳（メタデータ） (2025-04-23T03:33:20Z)
• Learning to Align and Refine: A Foundation-to-Diffusion Framework for Occlusion-Robust Two-Hand Reconstruction [50.952228546326516]
  単眼画像からの両手再建は、複雑でダイナミックな手の位置が原因で、永続的な課題に直面している。 既存のアプローチはそのようなアライメントの問題に悩まされ、しばしば不整合と侵入の成果物をもたらす。 本稿では,視覚基礎モデルからの2次元事前ガイダンスを正確に整合させる2段階のファンデーション・ツー・ディフュージョンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-22T14:42:27Z)
• 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
  マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。 しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。 本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T02:30:31Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• DehazeNeRF: Multiple Image Haze Removal and 3D Shape Reconstruction using Neural Radiance Fields [56.30120727729177]
  DehazeNeRFは,湿潤な環境下で頑健に動作するフレームワークとして紹介する。 提案手法は,複数視点のヘイズ除去,新しいビュー合成,既存手法が失敗する3次元形状再構成を成功させるものである。
  論文  参考訳（メタデータ） (2023-03-20T18:03:32Z)
• Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
  画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。 具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。 我々の手法は最先端のアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-29T08:11:04Z)
• Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
  本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。 対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。 低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
  論文  参考訳（メタデータ） (2021-12-24T17:00:54Z)

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。