Fugu-MT 論文翻訳(概要): Towards 3D karst underwater scene reconstruction from rotating sonar data

論文の概要: Towards 3D karst underwater scene reconstruction from rotating sonar data

arxiv url: http://arxiv.org/abs/2606.20322v1
Date: Thu, 18 Jun 2026 15:02:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-19 18:23:39.929134
Title: Towards 3D karst underwater scene reconstruction from rotating sonar data
Title（参考訳）: 回転ソナーデータによる3次元カルスト水中シーンの再構築に向けて
Authors: Georgios Evangelos Margaritis, Lionel Lapierre, Simon Rohou, Zhi Yan, Andreas Nüchter, François Goulette,
Abstract要約: ソナープロファイラから水中カルストコンデュットを再構築するためのパイプラインを提案する。連続時間SLAM法と新しい2段階深層学習法を組み合わせた表面再構成を行った。
参考スコア（独自算出の注目度）: 4.98552535993062
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Karst aquifers provide critical freshwater resources but pose significant hazards due to their complex and poorly understood subsurface geometry. Mapping these environments is challenging because sonar data from underwater exploration is sparse and noisy, while navigation estimates suffer from drift limiting standard 3D reconstruction methods. We present a pipeline for reconstructing underwater karst conduits from a sonar profiler. We combine a continuous-time SLAM approach to correct trajectory drift with a novel two-stage deep learning method for surface reconstruction, producing an immersive and navigable 3D mesh for hydrogeological analysis.
Abstract（参考訳）: カルスト帯水層は重要な淡水資源を提供するが、その複雑で理解されていない地下地形のために重大な危険をもたらす。これらの環境のマッピングは、水中での探査から得られたソナーデータが希少でノイズが多いため困難である。ソナープロファイラから水中カルストコンデュットを再構築するためのパイプラインを提案する。連続時間SLAM法と2段階の深層学習法を併用し,水文解析のための没入型かつナビゲート可能な3Dメッシュを構築した。

関連論文リスト

SurfSLAM: Sim-to-Real Underwater Stereo Reconstruction For Real-Time SLAM [17.714335268428595]
水中環境では、画像は光の減衰、視覚的アーティファクト、動的照明条件によって劣化する。その結果、空気中のデータに基づいてトレーニングされたステレオ推定ネットワークは、水中ドメインに直接転送することはできない。シミュレーションデータを用いた水中ステレオ異方性推定ネットワークのシミュレートと実時間トレーニングを可能にする新しいフレームワークを提案する。
論文参考訳（メタデータ） (2026-01-15T19:25:33Z)
OceanSplat: Object-aware Gaussian Splatting with Trinocular View Consistency for Underwater Scene Reconstruction [4.325717217536016]
OceanSplatは、水中のシーンで3D幾何学を表現するための新しい3Dガウススプレイティングベースのアプローチである。そこで,OceanSplatは,散乱媒体におけるシーン復元と復元の両方において,既存の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2026-01-08T14:38:39Z)
Plenodium: UnderWater 3D Scene Reconstruction with Plenoptic Medium Representation [31.47797579690604]
Plenodiumは、オブジェクトと参加メディアの両方を共同でモデリングできる3D表現フレームワークである。ビュー依存モデリングにのみ依存する既存の媒体表現とは対照的に,本手法では指向性情報と位置情報の両方を包含する。実世界の水中データセットを用いた実験により,本手法は3次元再構成において大きな改善をもたらすことが示された。
論文参考訳（メタデータ） (2025-05-27T14:37:58Z)
RUSplatting: Robust 3D Gaussian Splatting for Sparse-View Underwater Scene Reconstruction [9.070464075411472]
本稿では,水中深部レンダリングの視覚的品質と精度を両立させる,ガウススプラッティングに基づくフレームワークを提案する。水中減衰の物理によって導かれるRGBチャネルの分離学習を提案し,より正確な色復元を実現する。新たに収集されたデータセットであるSubmerged3Dは、特に深海環境においてキャプチャされる。
論文参考訳（メタデータ） (2025-05-21T16:42:15Z)
UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
論文参考訳（メタデータ） (2024-10-10T16:33:56Z)
Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering [47.879695094904015]
そこで本研究では,地上ロボット軌道データセットのための新しいビューレンダリングアルゴリズムであるMode-GSを提案する。提案手法は,既存の3次元ガウススプラッティングアルゴリズムの限界を克服する目的で,アンカー付きガウススプラッターを用いている。提案手法は,PSNR,SSIM,LPIPSの計測値に基づいて,自由軌道パターンを持つ地上環境におけるレンダリング性能を向上する。
論文参考訳（メタデータ） (2024-10-06T23:01:57Z)
SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
論文参考訳（メタデータ） (2024-06-19T23:53:31Z)
Few-shot point cloud reconstruction and denoising via learned Guassian splats renderings and fine-tuned diffusion features [52.62053703535824]
本稿では,少数の画像から点雲を再構成し,そのレンダリングから点雲を識別する手法を提案する。制約条件下での再構成を改善するため,ハイブリッド表面と外観の相違点のトレーニングを規則化する。これらの学習したフィルタを使って、3Dの監督なしに来る点雲ノイズを除去する方法を実証する。
論文参考訳（メタデータ） (2024-04-01T13:38:16Z)
Real-Time Dense 3D Mapping of Underwater Environments [8.264747090866754]
本稿では,資源制約型自律下水車(AUV)のリアルタイム高密度3次元再構成について述べる。水中視覚誘導手術は、外力の有無、視界の制限、位置決めの欠如などにおいて3次元運動を組み合わせ、最も困難な作業である。我々のパイプラインは、1つのCPU上で高いフレームレートで、最先端のオフライン3D再構成手法であるCOLMAPに匹敵する再構成を生成する。
論文参考訳（メタデータ） (2023-04-05T18:57:35Z)
An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文参考訳（メタデータ） (2023-02-20T16:08:54Z)

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。