論文の概要: CAD-Free Learning of Spacecraft Pose Estimators via NeRF-Based Augmentations

• arxiv url: http://arxiv.org/abs/2605.19649v1
• Date: Tue, 19 May 2026 10:37:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 01:01:02.807769
• Title: CAD-Free Learning of Spacecraft Pose Estimators via NeRF-Based Augmentations
• Title（参考訳）: NeRFによる宇宙空間推定器のCADなし学習
• Authors: Antoine Legrand, Renaud Detry, Christophe De Vleeschouwer,
• Abstract要約: 宇宙船のポーズ推定ネットワークは、数万のCADレンダリング画像を訓練する必要がある。 NeRFに基づく画像強調法は、幾何学的に一貫性のある視点と外観拡張により、多種多様なデータセットを生成する。 実験の結果, 高精度なポーズ推定装置の訓練は, 25から400のリアルな画像で行うことができ, 高度な照明条件下でも有効であることがわかった。
• 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: Spacecraft pose estimation networks require tens of thousands of CAD-rendered images to be trained. This reliance on synthetic CAD data (i) limits applicability to targets with reliable geometry prior, excluding uncooperative or poorly documented spacecraft, and (ii) causes poor generalization to real on-orbit conditions due to unrealistic illumination and material appearance. This paper introduces a NeRF-based image augmentation method that enables the learning of spacecraft pose estimators from only a few tens to a few hundreds of images. The method learns a Neural Radiance Field of the target and generates a large, diverse dataset through geometrically-consistent viewpoint and appearance augmentation. This augmented dataset enables the training of accurate target-specific pose estimators without requiring a CAD model or large synthetic datasets. Experiments show that our approach supports the training of accurate pose estimators from only 25 to 400 realistic images, even under severe illumination variations. When applied on large CAD-based synthetic datasets, the NeRF-based augmentation also enhances out-of-domain generalization, yielding improved robustness to real on-orbit conditions.
• Abstract（参考訳）: 宇宙船のポーズ推定ネットワークは、数万のCADレンダリング画像を訓練する必要がある。 合成CADデータへの依存 一 非協力的又は文書化されていない宇宙船を除いた、確実な形状の目標への適用を制限し、 (II)非現実的な照明と物質的外観により、軌道上条件への一般化が低くなる。 本稿では,数枚から数百枚程度の画像から,宇宙船のポーズ推定器の学習を可能にするNeRFに基づく画像拡張手法を提案する。 ターゲットのニューラルラジアンス場を学習し、幾何学的に一貫性のある視点と外観拡張により、大きな多様なデータセットを生成する。 この拡張データセットは、CADモデルや大規模な合成データセットを必要とせずに、正確なターゲット固有のポーズ推定器のトレーニングを可能にする。 実験の結果, 高精度なポーズ推定装置の訓練は, 25から400のリアルな画像で行うことができ, 高度な照明条件下でも有効であることがわかった。 大規模なCADベースの合成データセットに適用すると、NeRFベースの拡張により領域外一般化が強化され、実際の軌道上条件に対する堅牢性が向上する。

関連論文リスト

• From Spaceborne to Airborne: SAR Image Synthesis Using Foundation Models for Multi-Scale Adaptation [0.0]
  本研究では,衛星SAR画像を空中SAR表現に変換するため,基礎モデル内の空間条件付け技術を利用した新しいアプローチを提案する。 提案手法は,SARイメージング技術の進歩におけるAIのキーとなる応用を探求する。
  論文  参考訳（メタデータ） (2025-05-05T09:33:06Z)
• CADCrafter: Generating Computer-Aided Design Models from Unconstrained Images [69.7768227804928]
  CADCrafterは画像からパラメトリックCADモデル生成フレームワークで、合成テクスチャなしCADデータのみをトレーニングする。 多様な幾何学的特徴を正確に捉えるための幾何エンコーダを導入する。 提案手法は、実際の制約のないCADイメージを頑健に処理でき、また、目に見えない汎用オブジェクトにも一般化できる。
  論文  参考訳（メタデータ） (2025-04-07T06:01:35Z)
• SatVision-TOA: A Geospatial Foundation Model for Coarse-Resolution All-Sky Remote Sensing Imagery [8.096413986108601]
  本稿では,14バンドMODIS L1B Top-Of-Atmosphere (TOA) を用いた新しい基礎モデルであるSatVision-TOAを紹介する。 SatVision-TOA モデルは Masked-Image-Modeling (MIM) フレームワークと SwinV2 アーキテクチャを使って事前訓練されている。 その結果、SatVision-TOAは、下流タスクのベースラインメソッドよりも優れたパフォーマンスを実現することがわかった。
  論文  参考訳（メタデータ） (2024-11-26T00:08:00Z)
• Leveraging Neural Radiance Fields for Pose Estimation of an Unknown Space Object during Proximity Operations [14.624172952608653]
  本稿では、未知のターゲットに「オフ・ザ・シェルフ」宇宙船のポーズ推定装置を適用可能な新しい手法を提案する。 対象画像のスパースコレクションを用いてNeRFモデルをトレーニングし,視点と照明の両面で多様な大きなデータセットを生成する。 本手法は,スパース画像の集合から,市販の宇宙船のポーズ推定ネットワークの訓練に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-05-21T12:34:03Z)
• Closing the Visual Sim-to-Real Gap with Object-Composable NeRFs [59.12526668734703]
  本稿では,オブジェクト合成可能なNeRFモデルであるComposable Object Volume NeRF(COV-NeRF)を紹介する。 COV-NeRFは、実際の画像からオブジェクトを抽出し、それらを新しいシーンに合成し、フォトリアリスティックなレンダリングと多くのタイプの2Dおよび3D監視を生成する。
  論文  参考訳（メタデータ） (2024-03-07T00:00:02Z)
• Pose-Free Neural Radiance Fields via Implicit Pose Regularization [117.648238941948]
  IR-NeRFは、暗黙的なポーズ規則化を導入し、ポーズ推定器を非ポーズの実像で精査する革新的なポーズフリー神経放射場である。 特定のシーンの2D画像の収集により、IR-NeRFはシーンの特徴を記憶するシーンコードブックを構築し、シーン固有のポーズ分布を前もって暗黙的にキャプチャする。
  論文  参考訳（メタデータ） (2023-08-29T06:14:06Z)
• Shape, Pose, and Appearance from a Single Image via Bootstrapped Radiance Field Inversion [54.151979979158085]
  提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。 そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。 当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
  論文  参考訳（メタデータ） (2022-11-21T17:42:42Z)

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。