論文の概要: LTM: Large-scale Terrain Model for Wildfire-prone Landscapes

• arxiv url: http://arxiv.org/abs/2607.08711v1
• Date: Thu, 09 Jul 2026 17:22:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.607743
• Title: LTM: Large-scale Terrain Model for Wildfire-prone Landscapes
• Title（参考訳）: LTM:山火事による景観の大規模地形モデル
• Abstract要約: 森林火災が発生しやすい地域は、従来の再建方法が不十分な広大な地域をまたがることが多い。 画像ベースの手法は、低コストの代替手段を提供するが、少ない視覚的特徴と限られた画像重なりのために苦労している。 画像に基づく3次元再構成のための幾何学的先行手法として,時代遅れのDEM(Digital Elevation Models)を利用するマルチモーダル再構成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 15.706732829315017
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurate 3D terrain maps are essential for emergency response when assessing wildfire hazards. However, wildfire-prone regions often span vast areas where conventional reconstruction methods underperform. Airborne LiDAR systems provide high-resolution terrain data, but they are expensive and infrequently updated. Image-based methods offer a lower-cost alternative, but struggle due to sparse visual features and limited image overlap. We propose a multi-modal reconstruction framework leveraging outdated Digital Elevation Models (DEMs) as geometric priors for image-based 3D reconstruction. Our key innovation is physics-based pixel-pixel alignment between images and DEM data, dramatically reducing computational complexity by eliminating expensive feature matching procedures. To validate our approach, we developed a large-terrain simulator based on a real wildfire-prone area, generating realistic images enabling a comprehensive evaluation. Given posed images and legacy DEMs, our method produces high-fidelity depth maps while maintaining real-time performance. We find significant improvements in reconstruction accuracy and computational efficiency over existing techniques, offering a scalable solution for wildfire response.
• Abstract（参考訳）: 正確な3次元地形図は、山火事の危険を評価する際には緊急対応に不可欠である。 しかし、山火事が発生しやすい地域は、従来の再建方法が不十分な広い範囲にまたがることが多い。 空中LiDARシステムは高解像度の地形データを提供するが、高価で頻繁に更新される。 画像ベースの手法は、低コストの代替手段を提供するが、少ない視覚的特徴と限られた画像重なりのために苦労している。 画像に基づく3次元再構成のための幾何学的先行手法として,時代遅れのDEM(Digital Elevation Models)を利用するマルチモーダル再構成フレームワークを提案する。 我々の重要な革新は、画像とDEMデータの物理ベースのピクセル・ピクセルアライメントであり、高価な特徴マッチング手順をなくすことで、計算の複雑さを劇的に減らします。 本研究では,本手法の有効性を検証するために,実際の山火事発生域に基づく大規模地形シミュレータを開発し,総合的な評価を可能にする現実的な画像を生成する。 提案手法は画像とレガシーDEMを考慮し,実時間性能を維持しながら高忠実度深度マップを生成する。 既存の手法に比べて再現精度と計算効率が大幅に向上し,山火事対策にスケーラブルなソリューションが提供される。

関連論文リスト

• Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
  本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。 私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。 この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
  論文  参考訳（メタデータ） (2026-07-24T09:46:07Z)
• R3GS: Gaussian Splatting for Robust Reconstruction and Relocalization in Unconstrained Image Collections [9.633163304379861]
  R3GSは、制約のないデータセットに適した堅牢な再構築と再ローカライゼーションフレームワークである。 過渡的物体の復元過程に対する悪影響を軽減するため,軽量な人検出ネットワークを構築した。 本研究では,屋外シーンにおける空域の課題に対処するために,事前の奥行きを制約として組み込んだ効果的なスカイハンドリング手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T09:25:22Z)
• AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis [57.249817395828174]
  本研究では,3次元都市規模のメッシュからの擬似合成レンダリングと,実地レベルでのクラウドソース画像を組み合わせたスケーラブルなフレームワークを提案する。 擬似合成データは、幅広い空中視点をシミュレートする一方、実際のクラウドソース画像は、地上レベルの画像の視覚的忠実度を改善するのに役立つ。 このハイブリッドデータセットを使用して、いくつかの最先端のアルゴリズムを微調整し、実世界のゼロショット地上作業において大幅な改善を実現する。
  論文  参考訳（メタデータ） (2025-04-17T17:57:05Z)
• High-Quality Spatial Reconstruction and Orthoimage Generation Using Efficient 2D Gaussian Splatting [8.251536008292915]
  True Digital Orthophoto Maps(TDOM)を特徴付ける高精度な幾何精度と高密度画像特徴 本研究は2次元ガウススプラッティング(2DGS)に根ざした代替手法を提案する。 ディバイド・アンド・コンカ戦略は、リソースコストの低い高解像度のTDOMによる優れたGSトレーニングとレンダリングを実現する。
  論文  参考訳（メタデータ） (2025-03-25T14:30:37Z)
• SG-NeRF: Neural Surface Reconstruction with Scene Graph Optimization [16.460851701725392]
  本稿では,外乱ポーズの影響を軽減するため,シーングラフを用いた放射場最適化手法を提案する。 本手法では,シーングラフに基づく適応型不整合・不整合信頼度推定手法を取り入れた。 また、カメラのポーズと表面形状を最適化するために、効果的な交叉結合(IoU)損失を導入する。
  論文  参考訳（メタデータ） (2024-07-17T15:50:17Z)
• GTR: Improving Large 3D Reconstruction Models through Geometry and Texture Refinement [51.97726804507328]
  マルチビュー画像から3次元メッシュを再構成する手法を提案する。 提案手法は, 変圧器を用いたトリプレーンジェネレータとニューラルレージアンスフィールド(NeRF)モデルを用いた大規模再構成モデルから着想を得たものである。
  論文  参考訳（メタデータ） (2024-06-09T05:19:24Z)
• ReconFusion: 3D Reconstruction with Diffusion Priors [104.73604630145847]
  本稿では,数枚の写真を用いて現実のシーンを再構成するReconFusionを提案する。 提案手法は,合成および多視点データセットに基づいて訓練された新規なビュー合成に先立って拡散を利用する。 本手法は,観測領域の外観を保ちながら,非拘束領域における現実的な幾何学とテクスチャを合成する。
  論文  参考訳（メタデータ） (2023-12-05T18:59:58Z)
• Shape, Pose, and Appearance from a Single Image via Bootstrapped Radiance Field Inversion [54.151979979158085]
  提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。 そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。 当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
  論文  参考訳（メタデータ） (2022-11-21T17:42:42Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Towards Non-Line-of-Sight Photography [48.491977359971855]
  非視線イメージング(NLOS)は、隠された物体からの多重バウンス間接反射を捉えることに基づいている。 アクティブなNLOSイメージングシステムは、シーンを通しての光の飛行時間の捕捉に依存している。 我々はNLOS写真と呼ばれる新しい問題定式化を提案し、この欠陥に特に対処する。
  論文  参考訳（メタデータ） (2021-09-16T08:07:13Z)
• 3D Surface Reconstruction From Multi-Date Satellite Images [11.84274417463238]
  本研究では,複数の衛星画像から点雲を再構成することのできるStructure from Motion (SfM) ベースのパイプラインの拡張を提案する。 衛星画像のコンテキストにおいて、最先端メッシュ再構成アルゴリズムを利用するために必須となるいくつかのステップについて、詳細な説明を提供する。 提案したパイプラインと現在のメッシュアルゴリズムが組み合わさって、完全性と中央値エラーの点で最先端のクラウド再構築アルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-04T09:23:21Z)

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。