論文の概要: Ground-to-Satellite Localization in Unconstrained Image Collections for 3D Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2608.29211v1
• Date: Sat, 29 Aug 2026 11:52:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.87883
• Title: Ground-to-Satellite Localization in Unconstrained Image Collections for 3D Scene Reconstruction
• Title（参考訳）: 3次元シーン再構成のための非拘束画像集の地上-衛星位置推定
• Abstract要約: 衛星画像に対する地上画像のローカライゼーションは,測位精度の高いジオローカライズされた3Dシーン再構築の鍵となる。 既存のクロスビューのローカライゼーション手法にはパノラマ画像や既知の初期位置といった厳しい要件がある。 本稿では,Structure-from-Motion(SfM)モデルからの幾何的制約を利用する,堅牢な階層的クロスビューローカライゼーション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）: 9.370818606626663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ground image localization with respect to satellite imagery is a key enabler for metrically-accurate, geo-localized 3D scene reconstruction from unconstrained image collections. Existing cross-view localization methods have strict requirements such as panoramic imagery or known initial locations, limiting their applicability for in-the-wild reconstruction settings. We propose a robust hierarchical cross-view localization framework that leverages geometric constraints from Structure-from-Motion (SfM) models derived from unconstrained ground image collections. Our method generates coarse-to-fine pose hypotheses through a cross-view matching approach and aggregates noisy predictions across SfM model(s) using Kernel Density Estimation to recover consensus alignments while filtering outliers. Experiments demonstrate reliable localization performance from challenging image collections. Empirically we found satellite-referenced alignment enables accurate metric scale estimation, doppelgänger detection, and merging of disjoint SfM reconstructions, resulting in more complete, geo-localized site models than are possible with SfM alone.
• Abstract（参考訳）: 衛星画像に対する地上画像のローカライゼーションは、制約のない画像コレクションから測位精度の高いジオローカライズされた3Dシーンの再構築を可能にする重要な手段である。 既存のクロスビューのローカライゼーション手法は、パノラマ画像や既知の初期位置などの厳格な要件があり、その適用範囲を地中再構成の設定に限定している。 本研究では、制約のない地上画像の収集から導出されるStructure-from-Motion(SfM)モデルから幾何的制約を利用する頑健な階層的クロスビューローカライゼーションフレームワークを提案する。 提案手法は, クロスビューマッチング手法を用いて粗大なポーズ仮説を生成し, ケルネル密度推定を用いてSfMモデル全体にわたって雑音予測を集約し, コンセンサスアライメントを復元し, アウトレーヤをフィルタリングする。 実験は、挑戦的な画像収集から信頼性の高いローカライゼーション性能を示す。 衛星参照アライメントにより、正確なスケール推定、ドッペルゲンガー検出、および不整合SfM再構成のマージが可能となり、SfM単独でできることよりも、より完全で地理的に局在したサイトモデルが得られることが実証された。

関連論文リスト

• SeqLoc: Beyond the Single Frame for Cross-View Geo-Localization in Feature-Sparse Scenes [49.30971835891526]
  OpenStreetMap (OSM) を用いたクロスビュージオローカライゼーションは、構造豊かな都市環境では良好に機能するが、農村道路のような特徴の少ないシーンでは崩壊する。 CV-FSSは5つの農村地域の連続パノラマとOSMマップの整列をペアリングするベンチマークである。 次に,3つのキーコンポーネントを持つログ信頼性ボリュームを維持するオンラインテスト時間シーケンスアグリゲーション機構であるSeqLocを提案する。
  論文  参考訳（メタデータ） (2026-08-08T00:42:23Z)
• Empowering Feed-Forward Reconstruction Models with Metric Scale via Satellite Images [17.10424609165589]
  フィードフォワード3D再構成における規模のあいまいさを解消するための衛星誘導フレームワークを提案する。 再構成されたシーンと衛星基準との一貫性を強制することにより、モデルは絶対スケールを推定し、シーンの幾何学を洗練し、メートル法座標フレームにおけるカメラのポーズを推定する。
  論文  参考訳（メタデータ） (2026-06-06T14:44:04Z)
• 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)
• Robust Visual Localization in Compute-Constrained Environments by Salient Edge Rendering and Weighted Hamming Similarity [1.2621048930928775]
  我々は,火星サンプルリターンキャンペーンの文脈において,視覚に基づく6-DoFオブジェクトのポーズ推定の問題を考える。 本稿では,エッジ領域にマッチするテンプレートとともに,カスタムメトリックを活用する新しいローカライズアルゴリズムを提案する。 汎用ハードウェア上での安価で信頼性の高いローカライゼーションの新たな可能性を実現するため,ロバスト性と精度の両面で,計算およびメモリ制約によるローカライゼーションの最先端性を常に打ち負かしている。
  論文  参考訳（メタデータ） (2025-09-29T21:22:35Z)
• Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
  本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。 地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。 実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
  論文  参考訳（メタデータ） (2025-09-11T18:52:16Z)
• Revisiting Cross-View Localization from Image Matching [12.411420734642988]
  クロスビューのローカライゼーションは、地上画像の3自由度ポーズを航空画像や衛星画像に登録することによって推定することを目的としている。 既存の方法は、直接ポーズを取るか、共有された鳥眼ビュー(BEV)空間で特徴を整列させる。 マッチングとローカライゼーションの両方を改善する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-14T14:57:31Z)
• UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
  見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。 参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。 単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
  論文  参考訳（メタデータ） (2024-11-25T05:36:00Z)
• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• Occ$^2$Net: Robust Image Matching Based on 3D Occupancy Estimation for Occluded Regions [14.217367037250296]
  Occ$2$Netは、3D占有率を用いて閉塞関係をモデル化し、閉塞領域の一致点を推測する画像マッチング手法である。 本手法は実世界とシミュレーションデータセットの両方で評価し,いくつかの指標における最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-08-14T13:09:41Z)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• Improved Cryo-EM Pose Estimation and 3D Classification through Latent-Space Disentanglement [14.973360669658561]
  本稿では,自己教師付き変分オートエンコーダアーキテクチャであるHetACUMNを提案する。 シミュレーションデータセットの結果,HetACUMNは,他のアモータイズ法や非アモータイズ法よりも正確なコンフォメーション分類が得られた。
  論文  参考訳（メタデータ） (2023-08-09T13:41:30Z)
• TerrainMesh: Metric-Semantic Terrain Reconstruction from Aerial Images Using Joint 2D-3D Learning [20.81202315793742]
  本稿では,視覚的オドメトリーアルゴリズムによって保持される各カメラにおける局所的メートル法-セマンティックメッシュを再構築する2次元3次元学習手法を提案する。 メッシュはグローバル環境モデルに組み立てて、オンライン操作中の地形のトポロジとセマンティクスをキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-04-23T05:18:39Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)

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。