論文の概要: RPC-GS: Gaussian Splatting with native RPC Rendering for Satellite Imagery
- arxiv url: http://arxiv.org/abs/2606.06690v1
- Date: Thu, 04 Jun 2026 20:12:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-08 14:33:29.432366
- Title: RPC-GS: Gaussian Splatting with native RPC Rendering for Satellite Imagery
- Title（参考訳）: RPC-GS: 衛星画像のためのネイティブRPCレンダリングを備えたガウススプラッティング
- Authors: Valentin Wagner, Sebastian Bullinger, Christoph Bodensteiner, Michael Arens,
- Abstract要約: 本稿では,Rational Polynomial Camera (RPC)モデルで動作する衛星画像のための最初のガウス散乱フレームワークであるRPC-GSを紹介する。
RPCモデルは、現代のプッシュブルーム衛星センサの複雑な画像幾何学を表現するデファクトスタンダードである。
私たちは、RPC、パースペクティブ、アフィンカメラモデルを統一されたフレームワークでベンチマークします。
- 参考スコア（独自算出の注目度）: 5.109810774427172
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present RPC-GS, the first Gaussian Splatting framework for satellite imagery that operates natively with Rational Polynomial Camera (RPC) models. The RPC model is the de facto standard for representing the complex imaging geometry of modern pushbroom satellite sensors. To simplify rendering, prior satellite Gaussian Splatting methods replace the RPC model with perspective or affine camera approximations, leading to geometric errors during reconstruction. RPC-GS avoids these approximations by projecting Gaussian means and covariances directly through the RPC model during the splatting process. We embed the RPC model in a chain of carefully selected geo-coordinate transformations representing a mapping from splatting-suitable scene coordinates to image coordinates. To map the Gaussian covariance matrices, we derive a numerically robust Jacobian-based covariance projection for the (partially nonlinear) coordinate transformations. Since RPCs lack an explicit notion of camera depth, we integrate a metric ray-based depth formulation. We benchmark RPC, perspective, and affine camera models in a unified framework, with our native RPC renderer consistently achieving the lowest reconstruction error on leading satellite benchmark datasets, improving mean altitude error over perspective and affine approximations by 29.6% and 63.8% on DFC2019, and by 9.9% and 37.9% on IARPA2016. We release our code to support future research of Gaussian Splatting in the satellite imaging domain.
- Abstract（参考訳）: 本稿では、Rational Polynomial Camera(RPC)モデルでネイティブに動作する衛星画像のための最初のガウス的スプラッティングフレームワークであるRPC-GSを紹介する。
RPCモデルは、現代のプッシュブルーム衛星センサの複雑な画像幾何学を表現するデファクトスタンダードである。
レンダリングを容易にするために、以前の衛星ガウス分割法は、RPCモデルを視点またはアフィンカメラ近似に置き換え、再構成時に幾何誤差をもたらす。
RPC-GSは、スティングプロセス中にRPCモデルを通してガウス平均と共分散を直接投影することで、これらの近似を避ける。
我々はRPCモデルを、スプラッティングに適したシーン座標から画像座標へのマッピングを表す、慎重に選択されたジオコーディネート変換の連鎖に埋め込む。
ガウス共分散行列を写像するために、(部分的に非線形な)座標変換に対する数値的にロバストなヤコビアンベースの共分散射影を導出する。
RPCはカメラ深度という明確な概念を欠いているため、距離線に基づく深度定式化を統合する。
DFC2019では平均高度誤差を29.6%、63.8%、IARPA2016では9.9%、37.9%改善した。
衛星画像領域におけるガウス散乱の今後の研究を支援するためのコードをリリースする。
関連論文リスト
- Sat3R: Satellite DSM Reconstruction via RPC-Aware Depth Fine-tuning [32.74470558379802]
本研究では,単眼深度基礎モデルを衛星領域に適応させるフィードフォワードフレームワークであるSat3Rを提案する。
DFC 2019ベンチマークの実験では、Sat3Rは、ゼロショットフィードフォワードベースラインを38%削減し、最適化ベースのメソッドと競合する精度を達成し、300倍以上のスピードアップを実現している。
論文 参考訳（メタデータ） (2026-05-08T05:29:55Z) - SatSurfGS: Generalizable 2D Gaussian Splatting for Sparse-View Satellite Surface Reconstruction [28.052416644147044]
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。
論文 参考訳（メタデータ） (2026-05-08T03:19:32Z) - Radioactive 3D Gaussian Ray Tracing for Tomographic Reconstruction [10.822437634828303]
R2-Gaussianは3DGSパラダイムをトモグラフィー再構成に拡張した。
3次元ガウス線トレーシングに基づくトモグラフィ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） (2026-02-01T06:53:42Z) - iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。
NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
論文 参考訳（メタデータ） (2025-11-18T05:22:22Z) - Grid-Reg: Detector-Free Gridized Feature Learning and Matching for Large-Scale SAR-Optical Image Registration [22.80821597640134]
大規模で異質なSARと光学画像、特にプラットフォーム間での登録は非常に困難である。
これらの課題を克服するため,グリッドベースのマルチモーダル登録フレームワークであるGrid-Regを提案する。
提案手法は最先端手法よりも優れた性能を実現する。
論文 参考訳（メタデータ） (2025-07-06T03:43:18Z) - No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。
提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。
この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
論文 参考訳（メタデータ） (2024-10-31T17:58:22Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳（メタデータ） (2023-12-04T18:59:55Z) - Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。
メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
論文 参考訳（メタデータ） (2021-08-09T18:16:08Z)
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。