論文の概要: GridFlow: Structured Latent Flow for Seamless City-Scale 3D Point Cloud Generation
- arxiv url: http://arxiv.org/abs/2608.29793v1
- Date: Sun, 30 Aug 2026 13:39:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.076575
- Title: GridFlow: Structured Latent Flow for Seamless City-Scale 3D Point Cloud Generation
- Title（参考訳）: GridFlow: シームレスシティスケール3Dポイントクラウド生成のための構造化潜在フロー
- Abstract要約: 本稿では,衛星画像,セマンティックセグメンテーションマップ,およびデジタル表面モデルに基づいて,都市規模で色のついた点雲を生成するフレームワークを提案する。
実験の結果、全ての幾何学的指標において、適応されたポイントクラウド生成ベースラインよりも優れています。
- 参考スコア（独自算出の注目度）: 33.289877090164275
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generating realistic 3D city environments from remote sensing data is important for simulation, urban planning, and mixed reality, yet existing point cloud generation methods are limited to single objects or bounded indoor scenes and cannot handle the scale, seamless tiling, and partial observability challenges of city-scale generation. We present \ours{}, a multi-stage framework that generates dense, colored point clouds ($10^5$ points per $150\text{m}{\times}150\text{m}$ tile) at city scale, conditioned on satellite imagery, semantic segmentation maps, and digital surface models (DSM). A \emph{Grid-Aligned VAE} encodes each tile into a topology-preserving latent grid where tokens correspond to fixed spatial regions, enabling spatially coherent multi-modal conditioning and compact latent-space edge consistency that implicitly aligns thousands of boundary points for seamless cross-tile generation. A conditional rectified flow model synthesizes geometry latents from the fused multi-modal conditions, and an orientation-aware diffusion colorizer separately handles satellite-visible horizontal surfaces and occluded vertical façades. To support standardized evaluation, we build on public 3D data sources to introduce \emph{City3D-MultiGen}, a benchmark of $163$K densely annotated tiles from Melbourne and London with aligned point clouds, satellite images, semantic maps, and elevation data. Experiments show that \ours{} outperforms adapted point cloud generation baselines across all geometry metrics and produces visually coherent colored point clouds with seamless boundaries over arbitrarily large urban extents. Our benchmark details are available at https://huggingface.co/datasets/e32/City3D-MultiGen
- Abstract（参考訳）: リモートセンシングデータからリアルな3D都市環境を生成することはシミュレーション、都市計画、混合現実において重要であるが、既存のポイントクラウド生成手法は、単一オブジェクトまたは有界屋内シーンに限られており、都市規模生成におけるスケール、シームレスなタイリング、部分的可観測性の問題に対処できない。
衛星画像,セマンティックセグメンテーションマップ,デジタル表面モデル(DSM)に基づいて,都市規模で高密度で色のついた点雲を生成する多段階フレームワークである \ours{} (10^5$ points per $1150\text{m}{\times}150\text{m}$ tile) を提示する。
emph{Grid-Aligned VAE} は各タイルを、トークンが固定空間領域に対応する位相保存潜在格子にエンコードし、空間的にコヒーレントなマルチモーダル条件と、シームレスなクロスタイル生成のために数千の境界点を暗黙的に整列するコンパクトな潜在空間整合を可能にする。
条件是正流モデルでは, 溶融多モード条件から幾何潜水剤を合成し, 指向性拡散着色剤は衛星可視水平面と隠蔽垂直ファサードを別々に処理する。
標準化された評価をサポートするため、我々は、メルボルンとロンドンから163ドル(約1万3000円)の高めの注釈付きタイルと、整列点雲、衛星画像、セマンティックマップ、標高データのベンチマークである \emph{City3D-MultiGen} を導入するために、公開3Dデータソースを構築した。
実験により, 任意の幾何学的指標において, 適応された点雲生成ベースラインを上回り, 任意の大都市範囲でシームレスな境界を持つ視覚的に整合した点雲を発生させることがわかった。
ベンチマークの詳細はhttps://huggingface.co/datasets/e32/City3D-MultiGenで確認できる。
関連論文リスト
- BenthicFlow: Generating Extensible Underwater Environments via Flow Matching [7.287319339936011]
本稿では,一貫したテクスチャと深度マップを共同生成する単一条件フローマッチングモデルに基づく統合フレームワークであるBenthicFlowを紹介する。
地理的に異なる調査現場での実験では、ベンシックフローは、コヒーレントで大規模な3Dシーンを生成しながら、サイト固有の外観を保っている。
論文 参考訳（メタデータ） (2026-08-24T12:21:41Z) - Uncovering and Shaping the Latent Representation of 3D Scene Topology in Vision-Language Models [9.722829662835233]
現代の視覚言語モデル (VLM) には3次元シーンの潜在的トポロジマップが存在することを示す。
この空間部分空間をクロスシーン線形特徴抽出により分離することにより,モデルの空間出力を因果的に制御するクリーン空間部分空間を抽出する。
この潜在表現を数学的に形成し、シーンの3次元ガウス-核グラフのラプラシア固有写像との対応性を証明する。
論文 参考訳（メタデータ） (2026-05-08T02:32:27Z) - CymbaDiff: Structured Spatial Diffusion for Sketch-based 3D Semantic Urban Scene Generation [55.74642848285121]
フリーハンドスケッチと衛星画像から3D屋外セマンティックシーンを生成するための,最初の大規模ベンチマークであるSketchSem3Dを紹介する。
また,シーン生成における空間コヒーレンスを大幅に向上させるCyinder Mamba Diffusion (CymbaDiff)を提案する。
CymbaDiffは、優れたセマンティック一貫性、空間リアリズム、およびデータセット間の一般化を実現する。
論文 参考訳（メタデータ） (2025-10-15T07:47:00Z) - GaussianAnything: Interactive Point Cloud Flow Matching For 3D Object Generation [75.39457097832113]
本稿では,インタラクティブなポイントクラウド構造ラテント空間を備えたスケーラブルで高品質な3D生成を実現する,新しい3D生成フレームワークを提案する。
本フレームワークでは,複数ビューのRGB-D(epth)-N(ormal)レンダリングを入力として使用する変分オートエンコーダを,3次元形状情報を保存する独自のラテント空間設計を用いて構成する。
提案手法であるGaussianAnythingは,複数モード条件付き3D生成をサポートし,ポイントクラウド,キャプション,単一画像入力を可能にする。
論文 参考訳（メタデータ） (2024-11-12T18:59:32Z) - ImpliCity: City Modeling from Satellite Images with Deep Implicit
Occupancy Fields [20.00737387884824]
ImpliCityは、3Dシーンを暗黙的かつ連続的な占有領域として表現し、ポイント・クラウドとステレオ・フォトの組込みによって駆動される。
画像解像度0.5$,$mのImpliCityは、$approx,$0.7$,$mの平均的な高さ誤差に達し、競合するメソッドを上回っている。
論文 参考訳（メタデータ） (2022-01-24T21:40:16Z) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial
Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。
データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文 参考訳（メタデータ） (2020-12-23T21:48:47Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z) - Learning Gradient Fields for Shape Generation [69.85355757242075]
点雲は、その形状の表面に密度が集中している3D点の分布からサンプルと見なすことができる。
非正規化確率密度の勾配上昇を行うことで点雲を生成する。
本モデルは,ログ密度場の勾配を直接予測し,スコアベース生成モデルに適応した単純な目的で学習することができる。
論文 参考訳（メタデータ） (2020-08-14T18:06:15Z) - MNEW: Multi-domain Neighborhood Embedding and Weighting for Sparse Point
Clouds Segmentation [1.2380933178502298]
マルチドメインの近傍埋め込みや,その幾何学的距離,特徴的類似度,周辺空間の疎度に基づく注意重み付けなどを含むMNEWを提案する。
MNEWは、LiDARベースの自動運転認識の適用において重要であるスパースポイントクラウドの最高性能を達成する。
論文 参考訳（メタデータ） (2020-04-05T18:02:07Z)
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。