論文の概要: SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models

• arxiv url: http://arxiv.org/abs/2606.27444v1
• Date: Thu, 25 Jun 2026 18:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.284256
• Title: SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models
• Title（参考訳）: SemCityLoc:セマンティック3次元都市モデルを用いた空中6DoF位置決め
• Abstract要約: 本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。 粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。 実験は、既存のマップベースのアプローチよりも大幅に改善されている。
• 参考スコア（独自算出の注目度）: 51.121529170856064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial 6DoF localization typically relies on precise GNSS signals or radiometrically rich 3D reconstructions, limiting scalability and on-board deployment. We propose SemCityLoc, a semantic-geometric alignment system that reframes aerial pose estimation as structured surface registration between foundation-model-derived visual priors and standardized LoD-compliant 3D city models. Instead of matching sparse contours or dense texture, our method aligns semantic surfaces and monocular depth with lightweight semantic 3D building models, increasing pose discriminability in repetitive and occluded urban environments. To enable accurate evaluation, we introduce SemCityLockeD, the first real-world benchmark combining centimeter-accurate UAV poses with standardized LoD1--LoD3 semantic city models and challenging low-altitude imagery. Experiments demonstrate substantial improvements over existing map-based approaches, improving recall by up to 36% and reducing mean positional error from 9.89m to 2.62m in challenging urban canyons. Our results indicate that semantically structured geometry provides sufficient and scalable constraints for high-precision aerial localization without radiometric scene reconstructions. The code and data are available at https://albertchen98.github.io/SemCityLoc.
• Abstract（参考訳）: エアリアル6DoFのローカライゼーションは、通常、正確なGNSS信号または放射能的にリッチな3D再構成に依存し、スケーラビリティとオンボード展開を制限している。 本稿では,基礎モデル由来の視覚的先行画像と標準化されたLoD対応3D都市モデルとの間の構造的表面登録として,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。 本手法は, 粗い輪郭や密集したテクスチャと組み合わせる代わりに, セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルに整合させることにより, 反復的・閉鎖的都市環境におけるポーズの識別可能性を高めた。 高精度な評価を実現するために,セムシティロケD(SemCityLockeD)を導入した。これは,センチメートル精度のUAVポーズと標準化されたLoD1--LoD3セマンティックシティモデルを組み合わせることで,低高度画像に挑戦する最初の実世界のベンチマークである。 実験では、既存の地図ベースのアプローチよりも大幅に改善され、リコールを最大36%改善し、都市峡谷での平均位置誤差を9.89mから2.62mに低減した。 提案手法は, 高精度空中位置決めの制約を, 放射能的なシーン再構成を伴わない, 十分かつスケーラブルな制約を提供することを示すものである。 コードとデータはhttps://albertchen98.github.io/SemCityLoc.orgで公開されている。

関連論文リスト

• SVI2LoD3: Agent-Driven Reconstruction of LoD3 Facade Openings in Semantic 3D City Models from Volunteered Street View Imagery using Large Language and Visual Models [0.0]
  本稿では,3次元都市モデルにおけるファサード開口部再構築のためのエンドツーエンドのエージェント駆動パイプラインを提案する。 ファサード特徴距離(FFD)と呼ばれるファサード再構成のための新しい評価基準も導入する。 提案したパイプラインと評価戦略は、セマンティックに富んだ3D都市モデルの自動生成と分析に実用的でスケーラブルな貢献を提供する。
  論文  参考訳（メタデータ） (2026-08-30T19:37:01Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• LoD-Loc v3: Generalized Aerial Localization in Dense Cities using Instance Silhouette Alignment [27.863242898871963]
  本稿では,高密度都市環境における空間的局所化を一般化する新しい手法であるLoD-Loc v3を提案する。 InsLoD-Loc - 航空画像のための最大インスタンスセグメンテーションデータセット。 局所化パラダイムをセマンティックからインスタンスシルエットアライメントにシフトすることで再構築し、密集したシーンにおけるポーズ推定のあいまいさを著しく低減する。
  論文  参考訳（メタデータ） (2026-03-20T03:27:39Z)
• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
  OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。 提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
  論文  参考訳（メタデータ） (2025-09-27T11:19:32Z)
• Sat2City: 3D City Generation from A Single Satellite Image with Cascaded Latent Diffusion [18.943643720564996]
  Sat2Cityは、スパースボクセルグリッドの表現能力を潜在拡散モデルと相乗化する新しいフレームワークである。 衛星視高マップと組み合わせた大規模3D都市を合成したデータセットを提案する。 本フレームワークは, 衛星画像から詳細な3次元構造を生成し, 既存の都市モデルに比べ, 忠実度に優れていた。
  論文  参考訳（メタデータ） (2025-07-06T14:30:08Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [59.13757801286343]
  クラス増分学習(class-incremental learning)は、モデルが限られたデータで漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。 本稿では,特徴空間の不整合のための冗長特徴除去器 (RFE) と,重要な雑音に対する空間ノイズ補償器 (SNC) の2つの新しいコンポーネントを備えたFILP-3Dフレームワークを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T14:52:07Z)
• Combining visibility analysis and deep learning for refinement of semantic 3D building models by conflict classification [3.2662392450935416]
  本稿では,3次元モデルと窓とドアの特徴を統合化するための可視性解析とニューラルネットワークを組み合わせる手法を提案する。 この方法では、占有するボクセルは分類された点雲で融合され、ボクセルに意味を与える。 セマンティックボクセルとコンフリクトはベイズネットワークに組み合わされ、3Dモデルライブラリを用いて再構成されたファサード開口の分類と記述を行う。
  論文  参考訳（メタデータ） (2023-03-10T16:01:30Z)
• ImpliCity: City Modeling from Satellite Images with Deep Implicit Occupancy Fields [20.00737387884824]
  ImpliCityは、3Dシーンを暗黙的かつ連続的な占有領域として表現し、ポイント・クラウドとステレオ・フォトの組込みによって駆動される。 画像解像度0.5$,$mのImpliCityは、$approx,$0.7$,$mの平均的な高さ誤差に達し、競合するメソッドを上回っている。
  論文  参考訳（メタデータ） (2022-01-24T21:40:16Z)

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。