Fugu-MT 論文翻訳(概要): Polis: 3D Self-Supervision at City Scale

論文の概要: Polis: 3D Self-Supervision at City Scale

arxiv url: http://arxiv.org/abs/2608.29426v1
Date: Sat, 29 Aug 2026 20:07:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.956225
Title: Polis: 3D Self-Supervision at City Scale
Title（参考訳）: Polis: 都市規模での3Dセルフスーパービジョン
Abstract要約: 我々は、ネイティブポイントクラウドエンコーダの目的として、Sketched Isotropic Gaussian Regularization (SIGReg)の最初の応用について、Polisを紹介した。 14都市のコーパスと建築規模のコーパスにまたがるベンチマークで評価した。この結果から, 都市規模の3Dシーンにおいて, 分散正規化を図った共同埋設建築が成功できることが示唆された。
参考スコア（独自算出の注目度）: 38.40501054437541
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reliable semantic representations derived from city-scale 3D models are increasingly important for urban analysis, infrastructure monitoring, autonomous systems, and heritage conservation. However, urban scenes of large spatial extent captured through aerial surveying differ substantially from the indoor, object-level, and self-driving LiDAR data used to pretrain most 3D self-supervised models. We introduce Polis, to our knowledge the first application of Sketched Isotropic Gaussian Regularization (SIGReg) as an objective for a native point cloud encoder, and evaluate it through a frozen-feature benchmark spanning fourteen city- and building-scale corpora. Polis combines geometrically matched cosine invariance, SIGReg, and VICReg-style anti-collapse terms with a 12.8k-scene outdoor pretraining mixture and gravity-preserving spatial view sampling. Controlled ablations show that this objective outperforms student--teacher architecture alternatives, as well as Polis versions without anti-collapse terms, on the same representative outdoor corpus. On three pretraining-disjoint city datasets, Polis reaches $23.8\%$ mean mIoU versus $16.3\%$ for the next-best encoder under high-capacity frozen probing, and $17.3\%$ versus $16.1\%$ at a matched point and voxel budget. The same city-scale lead holds on datasets whose training sets were seen in pretraining. On localized terrestrial captures with fine-grained facade and streetscape labels, the ranking reverses. Our results show that distributionally-regularized joint embedding architectures can be successful on challenging city-scale 3D scenes, and that transfer improves when self-supervision is designed for the capture geometry and spatial context of this domain while also revealing the limits of this specialization.
Abstract（参考訳）: 都市規模の3Dモデルから導かれる信頼性の高い意味表現は、都市分析、インフラ監視、自律システム、遺産保存においてますます重要になっている。しかし, 大気調査によって捉えた空間範囲の広い都市景観は, 室内, オブジェクトレベル, 自動運転のLiDARデータとは大きく異なる。原点クラウドエンコーダの目的として,Sketched Isotropic Gaussian Regularization (SIGReg) を最初に適用し,それを14都市および大規模コーパスにまたがる凍結機能ベンチマークを用いて評価した。 Polisは、幾何学的に整合したコサイン不変性、SIGReg、VICRegスタイルの反崩壊用語を12.8kの屋外事前学習混合物と重力保存空間ビューサンプリングと組み合わせている。制御された改善は、この目的が、同じ代表的屋外コーパス上で、学生-教師アーキテクチャの代替品、および反崩壊用語のないポリスバージョンより優れていることを示している。事前訓練された3つの都市データセットでは、ポリスは平均mIoUが23.8.%対16.3.%対18.3.%対19.3.%対17.3.%対16.1.%対18.1.%となる。同じ都市規模のリードは、事前トレーニングでトレーニングセットが見られたデータセットにも当てはまる。微粒なファサードと街並みのラベルを持つ局部的な地上撮影では、ランキングが逆になる。本研究は, 都市規模の3次元シーンにおいて, 空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間

関連論文リスト

SharpSplat: Edge-Regularized 3D Gaussian Splatting for High Fidelity Urban Building Reconstruction from UAV images [8.23277995673829]
本稿では,3DGSを監督するセマンティックエッジ規則化フレームワークを提案する。提案手法はSAM 3を用いて正確な建築マスクを生成し,建築的に重要なエッジを抽出する。我々のアプローチは、多様な建築タイプ、屋根のジオメトリー、都市密度にまたがる堅牢さを証明している。
論文参考訳（メタデータ） (2026-07-04T13:31:22Z)
SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。実験は、既存のマップベースのアプローチよりも大幅に改善されている。
論文参考訳（メタデータ） (2026-06-25T18:13:39Z)
GS4City: Hierarchical Semantic Gaussian Splatting via City-Model Priors [21.77168114492861]
本稿では,都市景観理解のための都市モデル先行手法を組み込んだ階層型意味的ガウス分割手法GS4Cityを提案する。 GS4Cityは、2パスのレイキャストを通じて、Level of Detail 3 CityGMLモデルから信頼できる画像整列マスクを導出する。その後、これらの幾何学的基底マスクと基礎モデル予測を融合させ、シーン一貫性のあるインスタンス対応を確立する。
論文参考訳（メタデータ） (2026-04-13T12:42:28Z)
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)
SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
UAV VLNのための幾何学誘導空間表現フレームワークを提案する。明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
論文参考訳（メタデータ） (2026-03-22T03:56:58Z)
When the City Teaches the Car: Label-Free 3D Perception from Infrastructure [47.72611382185263]
自動運転のための堅牢な3D認識の構築は、依然として大規模なデータ収集と手動のアノテーションに大きく依存している。現代の都市は、道路サイドユニット(RSU)、道路に沿って配置された静的センサー、そして交通を監視するために交差点に配置されている。本稿では,RSUがエゴ車両の教師なしの静止型教師として機能する,インフラストラクチャトレートでラベルのない3D知覚手法を提案する。
論文参考訳（メタデータ） (2026-03-17T16:21:06Z)
Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence [78.1406635199656]
Holi-Spatialは、人間の介入なしに生のビデオ入力から構築された、初めて完全に自動化され、大規模で、空間対応のマルチモーダルデータセットである。 Holi-Spatial-4Mは、12K最適化された3DGSシーン、1.3Mの2Dマスク、320Kの3Dバウンディングボックス、320Kのインスタンスキャプション、1.2Mの3Dグラウンドインスタンス、1.2Mの空間QAペアを含む、最初の大規模で高品質な3Dセマンティックデータセットである。
論文参考訳（メタデータ） (2026-03-08T14:49:20Z)
FreeOcc: Training-free Panoptic Occupancy Prediction via Foundation Models [0.9345376836714131]
FreeOccは、マルチビューイメージからセマンティクスと幾何学を復元する、トレーニング不要のパイプラインである。 Occ3D-nuScenesでは、FreeOccは最先端の弱い監督手法と同等の16.9 mIoUと16.5 RayIoUである。
論文参考訳（メタデータ） (2026-03-06T11:19:33Z)
GaussRender: Learning 3D Occupancy with Gaussian Rendering [86.89653628311565]
GaussRenderは、投影的一貫性を強制することによって3D占有学習を改善するモジュールである。提案手法は,不整合な2次元プロジェクションを生成する3次元構成をペナライズすることにより,より一貫性のある3次元構造を実現する。
論文参考訳（メタデータ） (2025-02-07T16:07:51Z)
Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文参考訳（メタデータ） (2023-07-05T18:16:30Z)

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。