論文の概要: ABot-Earth 0.5: Generative 3D Earth Model

• arxiv url: http://arxiv.org/abs/2606.09967v1
• Date: Mon, 08 Jun 2026 17:58:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.100901
• Title: ABot-Earth 0.5: Generative 3D Earth Model
• Title（参考訳）: ABot-Earth 0.5: 生成3次元地球モデル
• Abstract要約: ABot-Earth 0.5は、ユビキタスで地理的に参照された衛星画像から巨大なシームレスな3D環境を合成するために設計された3Dフレームワークである。 推測では、1平方キロメートルあたり10分未満のスケーラブルな速度で、衛星画像のみに照らされた新しい3Dシーンを合成する。
• 参考スコア（独自算出の注目度）: 30.627822427932273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present ABot-Earth 0.5, a generative 3D framework designed to synthesize vast, seamless 3D environments from ubiquitous, geospatially referenced satellite imagery. To achieve this, we propose a novel generative model formulated directly with the 3D Gaussian Splatting (3DGS) representation. The model is trained on a diverse corpus of existing real-world urban reconstructions, learning to generate realistic geometry and textures. At inference, it synthesizes novel 3D scenes conditioned solely on satellite imagery at a scalable rate of under 10 minutes per square kilometer, while demonstrating exceptional realism. The framework is designed for accessibility, with integrated hierarchical level-of-detail (LOD) structures that permit real-time, interactive visualization on web-based map engines. This high-fidelity simulation sandbox effectively mitigates the sim-to-real domain gap, enabling critical downstream Embodied AI applications like closed-loop UAV navigation. By providing an ultra-low-cost and high-efficiency solution, ABot-Earth 0.5 significantly lowers the technical and financial barriers to large-scale 3D reconstruction and empowers the future of global digital earth visualization.
• Abstract（参考訳）: ABot-Earth 0.5は、ユビキタスでジオスパティに参照された衛星画像から、広大なシームレスな3D環境を合成するための生成3Dフレームワークである。 そこで本研究では,3次元ガウス散乱(3DGS)表現を直接表現した新しい生成モデルを提案する。 このモデルは、既存の都市再建の多様なコーパスに基づいて訓練され、現実的な幾何学やテクスチャを生成することを学ぶ。 推測では、1平方キロメートルあたり10分未満のスケーラブルな速度で衛星画像のみに照らされた新しい3Dシーンを合成し、例外的なリアリズムを示す。 このフレームワークはアクセシビリティのために設計されており、Webベースのマップエンジン上でリアルタイムでインタラクティブな可視化を可能にする階層的なレベル・オブ・ディテール(LOD)構造を備えている。 この高忠実度シミュレーションサンドボックスは、sim-to-realドメインギャップを効果的に軽減し、クローズループUAVナビゲーションのような重要な下流AIアプリケーションを可能にする。 超低コストで高効率なソリューションを提供することで、ABot-Earth 0.5は大規模な3D再構築への技術的および財政的障壁を大幅に減らし、グローバルなデジタルアース可視化の未来を強力にします。

関連論文リスト

• Image2Sim: Scaling Embodied Navigation via Generative Neural Simulator [70.34667754804168]
  Embodied Navigationは、マルチモーダルな目標を解釈し、3D空間を推論し、現実の世界で確実に目的地に到達するエージェントを構築することを目的としている。 本稿では,RGB-D画像シーケンスから高品質な対話環境を構築するリアルタイムニューラルネットワークフレームワークであるImage2Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T02:42:41Z)
• Beyond Pixel Histories: World Models with Persistent 3D State [50.4601060508243]
  PERSISTは、潜伏した3Dシーンの進化をシミュレートする世界モデルの新たなパラダイムである。 既存の手法に比べて空間記憶,3次元整合性,長期安定性が大幅に向上した。
  論文  参考訳（メタデータ） (2026-03-03T19:58:31Z)
• Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
  我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。 実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。 次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
  論文  参考訳（メタデータ） (2026-01-24T07:43:57Z)
• Terra: Explorable Native 3D World Model with Point Latents [74.90179419859415]
  本稿では,本質的な3次元潜伏空間における探索可能な環境を表現・生成する,ネイティブな3次元世界モデルTerraを提案する。 具体的には、3次元入力を潜在点表現に符号化する新しい点対ガウス変分オートエンコーダ(P2G-VAE)を提案する。 次に、潜伏点表現を生成するためのスパース点フローマッチングネットワーク(SPFlow)を導入し、同時に潜伏点の位置と特徴を識別する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:56Z)
• Lyra: Generative 3D Scene Reconstruction via Video Diffusion Model Self-Distillation [87.91642226587294]
  現在の学習に基づく3D再構成手法は、キャプチャーされた実世界のマルチビューデータに頼っている。 本稿では,ビデオ拡散モデルにおける暗黙的な3次元知識を,明示的な3次元ガウススプラッティング(3DGS)表現に蒸留する自己蒸留フレームワークを提案する。 本フレームワークは静的・動的3次元シーン生成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-23T17:58:01Z)
• R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation [78.26308457952636]
  本稿では,自律運転シミュレーションの限界を克服する軽量な1ステップ拡散モデルであるR3D2を紹介する。 シャドウや一貫した照明など、妥当なレンダリング効果を生み出すことで、既存のシーンに完全な3Dアセットを現実的に挿入することができる。 R3D2は挿入されたアセットの現実性を大幅に向上させ,テキストから3Dへのアセット挿入やクロスシーン/データセットオブジェクト転送といったユースケースを可能にした。
  論文  参考訳（メタデータ） (2025-06-09T14:50:19Z)
• GINA-3D: Learning to Generate Implicit Neural Assets in the Wild [38.51391650845503]
  GINA-3Dは、カメラとLiDARセンサーの実際の運転データを使用して、多様な車や歩行者の3D暗黙的な神経資産を作成する生成モデルである。 車両と歩行者の1.2万枚以上の画像を含む大規模オブジェクト中心データセットを構築した。 生成した画像とジオメトリの両面において、品質と多様性の最先端性能を実現することを実証した。
  論文  参考訳（メタデータ） (2023-04-04T23:41:20Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)

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。