論文の概要: GeoRay: Gauge-Aware Feed-Forward Satellite 3D Reconstruction in the Geodetic Frame
- arxiv url: http://arxiv.org/abs/2608.29680v1
- Date: Sun, 30 Aug 2026 09:27:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.04389
- Title: GeoRay: Gauge-Aware Feed-Forward Satellite 3D Reconstruction in the Geodetic Frame
- Title（参考訳）: 測地線:測地系における測地線フィードフォワード衛星の3次元再構成
- Abstract要約: パースペクティブに制約された特徴、絶対標高、モノクラーおよびマルチビューキューを扱う方法。
軽量な ray-consistent アダプタは、凍結したバックボーンをネイティブな RPC 線に沿って適合させる。
18のシステムの絶対フレームベンチマークであるStandardは、登録やテスト参照リークなしに絶対配置をスコア付けします。
- 参考スコア（独自算出の注目度）: 11.043507429399414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feed-forward 3D foundation models reconstruct perspective scenes in one pass. Satellite photogrammetry needs a different product, one that domain adaptation alone does not deliver: dense surface height in an absolute geodetic frame under non-central rational polynomial cameras (RPCs). Perspective-pretrained features are not reliably observable along RPC height rays, absolute elevation carries a low-order height--datum gauge exchangeable with sensor bias to first order, and monocular and multi-view cues fail in different regions. \method{} treats all three. Lightweight ray-consistent adapters make a frozen backbone matchable along native RPC rays. An explicit datum mechanism separates relief from absolute level and is equivariant to the vertical origin by construction, so one trained model serves zero-, one-, and sparse-control inference. Calibrated inverse-variance fusion combines the two relief streams. \bench{}, our absolute-frame benchmark of eighteen systems across in-domain, cross-dataset, and cross-city tiers, scores absolute placement without registration or test-reference leakage. On 26 held-out US3D tiles, \method{} attains $2.99$\,m absolute MAE at $91.9\%$ coverage, improves completeness-aware accuracy by $46.4$ points over the strongest compliant feed-forward baseline, remains the most accurate such system under both transfer shifts, and runs in $24$\,s model-forward time per tile. Code and models will be released at https://github.com/HIT-SIRS/GeoRay
- Abstract（参考訳）: フィードフォワード3Dファンデーションモデルは、1パスで視点シーンを再構築する。
衛星測光法は異なる積を必要としており、ドメイン適応だけでは提供されない:非中央有理多項式カメラ(RPC)の下で絶対測地フレーム内の密な表面の高さ。
絶対高度は1次にセンサバイアスと交換可能な低次の高度ゲージを持ち、異なる領域でモノクロおよびマルチビューキューがフェールする。
method{} は3つすべてを扱う。
軽量な光線一貫性を持つアダプタは、生来のRPC線に沿って凍ったバックボーンを適合させる。
明示的なダタム機構は絶対レベルからレリーフを分離し、構成によって垂直原点に同値であるため、訓練された1つのモデルはゼロ、ワン、スパース制御推論を提供する。
キャリブレーションされた逆分散融合は2つのリリーフストリームを結合する。
ドメイン内、クロスデータセット、およびクロスシティ層にわたる18のシステムの絶対フレームベンチマークである \bench{} は、登録やテスト参照リークなしに絶対配置をスコア付けします。
26台のUS3Dタイルでは、絶対値が2.99$\,mのMAEを911.9$%で達成し、最強のフィードフォワードベースラインよりも46.4$ポイントの完全性認識精度を向上し、両方の転送シフトの下では最も正確なシステムであり、2,4$\,sのモデルフォワードタイムで動作している。
コードとモデルはhttps://github.com/HIT-SIRS/GeoRayで公開される。
関連論文リスト
- A Top-Down Framework for Metric-Scale Athlete Localization from Single Broadcast Frames [8.167255229937995]
一つのフレームから距離スケールのアスリートのローカライゼーションを行うためのトップダウンフレームワークを提案する。
Boundary-Aware Adaptive Tilingは境界分割アーティファクトを緩和する。
第2に、RTMPose-Xアーキテクチャを特殊な2キーポイント推定器に適応させる。
第3に, カメラキャリブレーションによる2次元地上投影を世界座標に決定的に引き上げる。
論文 参考訳（メタデータ） (2026-09-02T15:07:24Z) - Geometry Beats Estimated Depth: RGB-Only Multi-Camera 3D Tracking under Sim2Real [1.7289819674602296]
AI City Challenge 2026 Track 1は、Sim2Real(synthetic-to-real)設定の下で、大規模な屋内倉庫におけるマルチカメラの3D知覚を評価する。
2つのRGBのみのルートを1つの仮説の制御テストとして使用し、モノクロ深度精度ではなく、クロスビューの幾何学的整合性はSim2Realで性能を制御している。
論文 参考訳（メタデータ） (2026-08-04T21:13:59Z) - DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。
ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。
また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
論文 参考訳（メタデータ） (2026-07-19T06:54:52Z) - RayTun3R: Online Camera Adaptation in 3D Foundation Models [53.97305597591864]
最近の3Dファウンデーションモデルは、強力なフィードフォワード深度を提供し、ピンホールのイメージを推定するが、魚眼カメラ幾何学の下では鋭く劣化する。
この失敗は、事前訓練された3次元基礎モデルの位置符号化におけるピンホールカメラバイアスによってもたらされることを示す。
軽量カメラ適応手法であるRayTun3Rを提案する。
論文 参考訳（メタデータ） (2026-07-02T18:55:35Z) - SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。
提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
論文 参考訳（メタデータ） (2026-06-19T10:23:25Z) - Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。
独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。
Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
論文 参考訳（メタデータ） (2026-06-11T17:48:38Z) - Free Geometry: Refining 3D Reconstruction from Longer Versions of Itself [38.95274911975506]
Free Geometryは、フィードフォワードの3D再構成モデルが3D基底の真理なしにテスト時に自己進化することを可能にするフレームワークである。
当社のアプローチは、4つのベンチマークデータセットにまたがって、Depth Anything 3やVGGTといった最先端の基礎モデルを継続的に改善しています。
論文 参考訳（メタデータ） (2026-04-15T16:24:03Z) - Cross-Modal Mapping and Dual-Branch Reconstruction for 2D-3D Multimodal Industrial Anomaly Detection [6.632019014616859]
textbfCMDR-IADは、2D+3Dマルチモーダルおよび単一モダリティ設定における信頼性の高い異常検出のための教師なしフレームワークである。
CMDR-IADは、メモリバンクなしで動作しながら最先端のパフォーマンスを実現し、イメージレベルのAUROC(I-AUROC)97.3%、ピクセルレベルのAUROC(P-AUROC)99.6%、AUPRO97.6%に達した。
論文 参考訳（メタデータ） (2026-03-04T10:57:32Z) - TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。
近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。
本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-02T02:22:20Z) - Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images [7.144866519844918]
地すべりモニタリングは、ジオハザードを理解し、関連するリスクを軽減するために不可欠である。
既存の点クラウドベースの手法は、一般的に幾何学的またはラジオメトリック的な情報に依存する。
本稿では,3次元点雲と共登録RGB画像とを融合した階層的分割に基づく粗い微細化手法を提案する。
論文 参考訳（メタデータ） (2025-06-19T12:28:09Z) - LoRA3D: Low-Rank Self-Calibration of 3D Geometric Foundation Models [36.17554088247551]
LoRA3Dは3次元幾何学的基礎モデルのための効率的な自己校正パイプラインである。
我々は、ロバストな最適化手法を利用して、多視点予測を洗練し、それらをグローバルな座標フレームに整列させる。
本手法は,$textbfsingle標準GPU上での自己校正処理を5分以内で完了する。
論文 参考訳（メタデータ） (2024-12-10T18:45:04Z) - CAGroup3D: Class-Aware Grouping for 3D Object Detection on Point Clouds [55.44204039410225]
本稿では,CAGroup3Dという新しい2段階完全スパース3Dオブジェクト検出フレームワークを提案する。
提案手法は,まず,オブジェクト表面のボクセル上でのクラス認識型局所群戦略を活用することによって,高品質な3D提案を生成する。
不正なボクセルワイドセグメンテーションにより欠落したボクセルの特徴を回復するために,完全にスパースな畳み込み型RoIプールモジュールを構築した。
論文 参考訳（メタデータ） (2022-10-09T13:38:48Z)
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。