論文の概要: SatSplat: Geometrically-Accurate Gaussian Splatting for Satellite Imagery
- arxiv url: http://arxiv.org/abs/2606.28581v1
- Date: Fri, 26 Jun 2026 20:14:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.613584
- Title: SatSplat: Geometrically-Accurate Gaussian Splatting for Satellite Imagery
- Title（参考訳）: SatSplat:衛星画像のための幾何学的正確なガウス散乱
- Abstract要約: SatSplatは2DGS(2D Gaussian Splatting)を衛星写真に適応させる最初のフレームワークである。
SatSplatは3DGSベースのベースラインをはるかに上回りながら、強力な幾何学的精度を実現している。
提案手法により,実用的な計算効率を持つ大規模ディジタル表面モデリングが可能となる。
- 参考スコア（独自算出の注目度）: 9.341363879764828
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-resolution satellite imagery demands 3D reconstruction methods that deliver both speed and geometric accuracy. Recent adaptations of 3D Gaussian Splatting (3DGS) to satellite imagery demonstrate strong efficiency, but reconstruction quality often degrades under diverse illumination across multi-date, high-altitude acquisitions (with small intersection angles), limiting applicability to remote sensing and vision tasks. We present SatSplat, the first framework to adapt 2D Gaussian Splatting (2DGS) to satellite photogrammetry, with online camera adjustment. We approximate satellite cameras with an affine model and learn a minimal delta parameterization for in-splat camera refinement from dense observations. The formulation is implemented with a 2DGS scene representation. To handle time-varying shadows and illumination changes, we integrate geometric shadow mapping and per-camera color correction during training. Across the evaluated DFC2019 and IARPA2016 benchmark sites, SatSplat achieves strong geometric accuracy while significantly outperforming prior 3DGS-based baselines. On our processed DFC2019 benchmark, SatSplat reduces mean absolute error by 11.93% and peak video memory by 31% relative to the previous state of the art. Our approach enables large-scale digital surface modeling with practical computational efficiency. The project page is available at https://gdaosu.github.io/satsplat/.
- Abstract（参考訳）: 高解像度衛星画像は、速度と幾何学的精度の両方を提供する3D再構成法を必要とする。
衛星画像への最近の3Dガウススティング(3DGS)の適応は、強い効率性を示しているが、再建品質は、様々な照明の下で、(交点角の小さい)複数日付の高高度取得において劣化し、リモートセンシングや視覚タスクへの適用性が制限されることが多い。
SatSplatは2DGS(2D Gaussian Splatting)を衛星写真に適応させる最初のフレームワークである。
衛星カメラをアフィンモデルで近似し,高密度観測から高解像度カメラの高精細化のための最小デルタパラメータ化を学習する。
定式化は2DGSシーン表現で実装される。
時間変化のシャドウと照明変化に対処するため、トレーニング中に幾何学的シャドウマッピングとカメラごとの色補正を統合した。
評価されたDFC2019とIARPA2016ベンチマークサイト全体で、SatSplatは3DGSベースのベースラインを大幅に上回っており、強力な幾何学的精度を実現している。
我々の処理されたDFC2019ベンチマークでは、SatSplatは平均絶対誤差を1.93%、ピークビデオメモリを31%削減した。
提案手法により,実用的な計算効率を持つ大規模ディジタル表面モデリングが可能となる。
プロジェクトのページはhttps://gdaosu.github.io/satsplat/.comで公開されている。
関連論文リスト
- ACEsplat: Accelerated 3D Gaussian Scene Regression via RGB and Poses Only [4.0553083073432]
本稿では,RGB画像とカメラポーズのみから3次元ガウス表現を再構成する,シーンごとの高速最適化フレームワークACEsplatを提案する。
静的なレンダリングでは、ACEsplatはリアルタイムSLAMポーズでWayspotsで29.11dB PSNR、SfM修正ポーズでCambridge Landmarksで33.20dBを達成した。
論文 参考訳（メタデータ） (2026-06-20T15:16:24Z) - ShadowGS: Shadow-Aware 3D Gaussian Splatting for Satellite Imagery [7.33738775121714]
3DGSに基づく新しいフレームワークであるShadowGSを提案する。
効率的なレンダリングを維持しながら、幾何学的に一貫した影を正確にモデル化する。
RGB、パンシャーペン、スパースビューの衛星入力など、さまざまな設定で堅牢なパフォーマンスを示す。
論文 参考訳（メタデータ） (2026-01-04T06:33:59Z) - 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) - SkySplat: Generalizable 3D Gaussian Splatting from Multi-Temporal Sparse Satellite Images [14.193740794354607]
疎視可能な衛星画像から3次元のシーンを再現することは、長年の課題である。
RPCモデルを一般化可能な3DGSパイプラインに統合する新しいフレームワークであるSkySplatを提案する。
シーンごとの最適化手法と比較して、SkySplatは高精度でEOGSの86倍の高速化を実現している。
論文 参考訳（メタデータ） (2025-08-13T04:17:51Z) - GS-2DGS: Geometrically Supervised 2DGS for Reflective Object Reconstruction [51.99776072246151]
2次元ガウス散乱(2DGS)に基づく反射物体に対するGS-2DGSと呼ばれる新しい再構成法を提案する。
合成および実データを用いた実験結果から,本手法はガウスの手法を再現・啓蒙の面で著しく上回っていることが示された。
論文 参考訳（メタデータ） (2025-06-16T05:40:16Z) - 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) - CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes [53.107474952492396]
CityGaussianV2は大規模なシーン再構築のための新しいアプローチである。
分解段階の密度化・深さ回帰手法を実装し, ぼやけたアーチファクトを除去し, 収束を加速する。
本手法は, 視覚的品質, 幾何学的精度, ストレージ, トレーニングコストの両立を図っている。
論文 参考訳（メタデータ） (2024-11-01T17:59:31Z) - Z-Splat: Z-Axis Gaussian Splatting for Camera-Sonar Fusion [20.464224937528222]
3Dシーンを再構成するためのコンピュータビジョンとグラフィックにおいて、微分可能な3D-ガウススプラッティング(GS)が顕著な技術として登場している。
GSはよく知られた「抜ける円錐」問題に悩まされており、深さ軸に沿った再建が不十分である。
RGBカメラデータとソナーデータを同時に利用する融合アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-06T17:23:43Z) - InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。
InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。
3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
論文 参考訳（メタデータ） (2024-03-29T17:29:58Z) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳（メタデータ） (2024-03-26T17:21:24Z)
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。