論文の概要: Evaluating Neural Cartographic Relief Shading for Urban Environments: A Downtown Calgary Study Using High-Resolution DEM and DSM Data

• arxiv url: http://arxiv.org/abs/2608.20149v1
• Date: Wed, 19 Aug 2026 17:07:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.620809
• Title: Evaluating Neural Cartographic Relief Shading for Urban Environments: A Downtown Calgary Study Using High-Resolution DEM and DSM Data
• Title（参考訳）: 高分解能DEMデータとDSMデータを用いた都市部カルガリーにおける都市環境のニューラルカルトグラフィーリリーフシェーディングの評価
• Abstract要約: 本稿では,高密度都市環境における解析的およびニューラルネットワークによるヒルシェーディング手法の性能について考察する。 本研究は,エドゥアルトで発生したレリーフシェーディングと,単方向および多方向解析ヒルシェーディングを比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article explores the performance of analytical and neural-based hillshading methods in a dense urban environment using high-resolution digital elevation model (DEM) and digital surface model (DSM) data for downtown Calgary. The study compares single-direction and multi-direction analytical hillshading with relief shading generated in Eduard, a machine-learning system originally developed to emulate Swiss-style shaded relief trained primarily on mountainous landscapes. Because Eduard was not designed for buildings, bridges, streets, trees, and other urban infrastructures, the central question is not whether it perfectly reproduces urban morphology, but whether parameter tuning can nevertheless produce visually strong, cartographically useful, and in some cases superior results when compared with conventional analytical methods. The analysis focuses especially on terrain type, micro and macro generalization, and flat-area detail parameters, while keeping the large-scale shading style constant throughout the neural experiments. The article is structured as an exploratory comparison rather than a benchmark of universal best practice. It aims to identify where analytical hillshading remains more reliable, where Eduard offers unexpected strengths, and where neural shading fails because of its training bias toward alpine terrain. The study contributes to current work on terrain representation by testing whether a neural approach designed for natural landforms can be adapted to a highly built urban setting, and it concludes by arguing for future model training and evaluation specifically targeted at urban relief shading.
• Abstract（参考訳）: 本稿では、カルガリー中心街における高分解能デジタル標高モデル(DEM)とデジタル表面モデル(DSM)データを用いて、高密度都市環境における解析的およびニューラルベースヒルシェーディング手法の性能について考察する。 この研究は、単一方向と多方向のヒルシェーディングと、主に山岳地帯で訓練されたスイス風の日陰救済をエミュレートする機械学習システムであるエドゥアルトで生成されたリリーフシェーディングを比較した。 エドゥアルトは、建物、橋、通り、木々、その他の都市インフラのために設計されたものではないため、都市形態を完璧に再現するかどうかではなく、パラメータチューニングが視覚的に強く、地図的に有用なのか、場合によっては従来の分析手法と比較して優れた結果をもたらすのかという問題である。 この分析は、特に地形タイプ、ミクロおよびマクロの一般化、および平坦領域の詳細パラメータに焦点を当て、ニューラル実験全体を通して大規模なシェーディングスタイルを一定に保っている。 この論文は、普遍的ベストプラクティスのベンチマークではなく、探索的比較として構成されている。 Eduardは予想外の強みを提供し、ニューラルシェーディングが失敗するのは、アルプス地形に対するトレーニングバイアスのためである。 この研究は、自然地形用に設計されたニューラルアプローチが高度に構築された都市環境に適応できるかどうかを検証することで地形表現に関する現在の研究に寄与し、都市レリーフシェーディングに特化した将来のモデルトレーニングと評価について論じることによって結論付ける。

関連論文リスト

• 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)
• UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
  UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。 動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。 提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-12-04T16:59:49Z)
• ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
  微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。 そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。 本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
  論文  参考訳（メタデータ） (2024-08-22T17:59:01Z)
• Digital elevation model correction in urban areas using extreme gradient boosting, land cover and terrain parameters [0.0]
  南アフリカのケープタウン上空で2台の中分解能30m DEMの精度を高めるために, 極勾配促進(XGBoost)アンサンブルアルゴリズムを採用した。 トレーニングデータセットは、標高、都市フットプリント、斜面、アスペクト、表面粗さ、地形位置指数、地形粗さ指数、地形表面テクスチャ、ベクトル粗さ測定、森林被覆、裸地被覆を含む11の予測変数からなる。
  論文  参考訳（メタデータ） (2023-08-12T12:03:31Z)
• Neural Point-based Volumetric Avatar: Surface-guided Neural Points for Efficient and Photorealistic Volumetric Head Avatar [62.87222308616711]
  ニューラルポイント表現とニューラルボリュームレンダリングプロセスを採用したフルネーム(名前)を提案する。 具体的には、ニューラルポイントは高分解能UV変位マップを介してターゲット表現の表面を戦略的に拘束する。 設計上は,アバターをアニメーションする際の正確な表現制御を確保しつつ,地形的に変化する領域や細い構造を扱えるように設計されている。
  論文  参考訳（メタデータ） (2023-07-11T03:40:10Z)
• Neural Textured Deformable Meshes for Robust Analysis-by-Synthesis [17.920305227880245]
  本稿では, 近似解析を用いた三重視覚タスクを一貫した方法で定式化する。 実世界の画像で評価すると、従来のニューラルネットワークよりも、我々の分析バイシンセシスの方がはるかに堅牢であることが示される。
  論文  参考訳（メタデータ） (2023-05-31T18:45:02Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• A Novel CNN-LSTM-based Approach to Predict Urban Expansion [1.2233362977312943]
  時系列リモートセンシングデータは、幅広いアプリケーションで使用できる豊富な情報ソースを提供します。 本稿では,時系列衛星画像を用いた都市拡大予測の課題について論じる。 都市の拡大を予測するためのセマンティックイメージ分割に基づく新しい2ステップアプローチを提案する。
  論文  参考訳（メタデータ） (2021-03-02T12:58:05Z)

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。