論文の概要: Loggia dei Lanzi: AI Thermography Enhancement Comparisons through 3D Photogrammetry
- arxiv url: http://arxiv.org/abs/2608.02404v1
- Date: Mon, 03 Aug 2026 15:48:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.682589
- Title: Loggia dei Lanzi: AI Thermography Enhancement Comparisons through 3D Photogrammetry
- Title（参考訳）: Loggia dei Lanzi: 3DフォトグラムによるAIサーモグラフィ向上の比較
- Abstract要約: 本稿では,2025年12月にFLIR T1020 HDカメラを用いて熱画像撮影を行った結果について述べる。
良好な冬の環境条件は、強化アルゴリズムと人工知能モデルの結果を比較するために、機能豊富なベンチマークを提供した。
それぞれの解像度層が特徴検出およびタイポイント生成に与える影響を定量化し、超解像によって生成された追加のディテールが有意に高密度で高精度な3次元熱モデルに変換されるかどうかを評価する。
- 参考スコア（独自算出の注目度）: 0.7569065228731864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Loggia dei Lanzi in the Piazza della Signoria is one of Florence's most prominent structures visited by millions every year. Its construction history spans multiple centuries of modification. This paper presents the results of a thermal imaging campaign conducted in December 2025, using a FLIR T1020 HD camera, revealing hidden architectural features including walled-up openings and material transitions beneath the plaster surface. The favorable winter ambient conditions provided a feature-rich benchmark upon which to compare the results of enhancement algorithms and artificial intelligence models. We evaluate the application of AI-based image enhancement to thermal heritage documentation through a comparison of three tiers of image resolution in a photogrammetric Structure-from-Motion (SfM) pipeline: native resolution, FLIR's hardware-based pixel-shifted super-resolution (UltraMax), and state of the art AI-upscaled imagery models. We quantify the effect of each resolution tier on feature detection and tie-point generation, assessing whether the additional detail produced by super-resolution, whether hardware or AI-derived, translates into meaningfully denser and more accurate 3D thermal models. Our results contribute to the emerging intersection of artificial intelligence and heritage thermography by providing a direct comparison of hardware microscanning and AI super-resolution within a thermal photogrammetric workflow for cultural heritage. All datasets are made publicly available and accessible within an interactive 3D archival framework, and integrated into a custom citywide extended reality overlay application.
- Abstract（参考訳）: ピアザ・デッラ・シニョリアのロジア・デイ・ランツィは、フィレンツェで最も著名な建築物の1つであり、毎年数百万人が訪れている。
建設の歴史は、何世紀にもわたって変化してきた。
本稿では2025年12月にFLIR T1020 HDカメラを用いて行われたサーマルイメージング・キャンペーンの結果について述べる。
良好な冬の環境条件は、強化アルゴリズムと人工知能モデルの結果を比較するために、機能豊富なベンチマークを提供した。
我々は、フォトグラム化構造移動(SfM)パイプラインにおける3層画像分解能の比較により、AIベースの画像強調を熱遺産文書に適用することを評価する:ネイティブ解像度、FLIRのハードウェアベースのピクセルシフト化超解像(UltraMax)、最先端のAIアップスケール画像モデル。
我々は,各解像度層が特徴検出およびタイポイント生成に与える影響を定量化し,ハードウェアやAI由来の超解像による追加のディテールが,より高密度で高精度な3次元熱モデルに変換されるかどうかを評価する。
この結果は,文化遺産のサーマルフォトグラムワークフローにおいて,ハードウェアマイクロスキャンとAI超解像の直接比較を行うことによって,人工知能と遺産のサーモグラフィの交わりに寄与する。
すべてのデータセットは、インタラクティブな3Dアーカイブフレームワーク内で公開され、カスタムの都市全体の拡張現実オーバーレイアプリケーションに統合される。
関連論文リスト
- ARTDECO: Towards Efficient and High-Fidelity On-the-Fly 3D Reconstruction with Structured Scene Representation [44.75113949778924]
ARTDECOは、フィードフォワードモデルの効率とSLAMベースのパイプラインの信頼性を組み合わせた統合フレームワークである。
ARTDECOはSLAMに匹敵するインタラクティブな性能、フィードフォワードシステムに類似した堅牢性、シーンごとの最適化に近い再現品質を提供する。
論文 参考訳（メタデータ） (2025-10-09T17:57:38Z) - DiffTex: Differentiable Texturing for Architectural Proxy Models [63.370581207280004]
非秩序な写真からテクセルレベルでアーキテクチャプロキシモデルのための現実的なテクスチャマップを自動生成する手法を提案する。
提案手法は,UVマップ上のテックセルと入力画像中のピクセルとの対応性を確立し,各テクセルの色を関連するピクセル値の重み付けとして計算する。
論文 参考訳（メタデータ） (2025-09-27T14:39:53Z) - LapGSR: Laplacian Reconstructive Network for Guided Thermal Super-Resolution [1.747623282473278]
複数のモダリティを融合して高解像度の画像を生成するには、数百万のパラメータと重い計算負荷を持つ高密度モデルが必要となることが多い。
熱分解能誘導のためのラプラシア像ピラミッドを用いたマルチモーダル・軽量・生成モデルであるLapGSRを提案する。
論文 参考訳（メタデータ） (2024-11-12T12:23:19Z) - Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳（メタデータ） (2024-09-24T08:46:13Z) - High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。
提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文 参考訳（メタデータ） (2022-11-28T18:59:52Z) - 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) - Simple and Effective Synthesis of Indoor 3D Scenes [78.95697556834536]
1枚以上の画像から3D屋内シーンを没入する問題について検討する。
我々の狙いは、新しい視点から高解像度の画像とビデオを作成することである。
本稿では,不完全点雲の再投影から高解像度のRGB-D画像へ直接マップするイメージ・ツー・イメージのGANを提案する。
論文 参考訳（メタデータ） (2022-04-06T17:54:46Z) - Ground material classification and for UAV-based photogrammetric 3D data
A 2D-3D Hybrid Approach [1.3359609092684614]
近年,物理環境を表す3次元仮想データを作成するために,多くの領域でフォトグラム法が広く用いられている。
これらの最先端技術は、迅速な3D戦場再建、仮想訓練、シミュレーションを目的として、アメリカ陸軍と海軍の注意を引き付けている。
論文 参考訳（メタデータ） (2021-09-24T22:29:26Z) - Image Completion via Inference in Deep Generative Models [16.99337751292915]
画像生成モデルにおける償却推論の観点から画像完成を検討する。
CIFAR-10およびFFHQ-256データセットの先行技術と比較して、優れたサンプル品質と多様性を示します。
論文 参考訳（メタデータ） (2021-02-24T02:59:43Z) - Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。
この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。
生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
論文 参考訳（メタデータ） (2020-03-02T17:49:32Z)
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。