論文の概要: Guided Super-Resolution of Digital Elevation Models with Diffusion-Based Image Generators

• arxiv url: http://arxiv.org/abs/2609.11886v1
• Date: Thu, 10 Sep 2026 17:49:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.47582
• Title: Guided Super-Resolution of Digital Elevation Models with Diffusion-Based Image Generators
• Title（参考訳）: 拡散型画像生成装置を用いたディジタル標高モデルの誘導超解法
• Abstract要約: 高解像度デジタルサーフェスモデル(DSM)は、都市分析、3Dビルディング再構築、インフラ監視において重要な役割を担っている。 高解像度の分光画像からのガイダンスを用いて、5mのDSMを0.5mの解像度に拡張する超解像アプローチを提案する。
• 参考スコア（独自算出の注目度）: 21.883917055340024
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-resolution digital surface models (DSMs) play an important role in urban analysis, 3D building reconstruction, and infrastructure monitoring, yet their availability remains limited due to the high cost and complexity of data acquisition. In contrast, coarse DSMs from commercial satellite missions are widely accessible, and high-resolution optical imagery is increasingly available from aerial and satellite platforms. We address the resulting mismatch in spatial resolution and propose a DSM superresolution approach that enhances 5 m DSMs to 0.5 m resolution, using guidance from high-resolution spectral images. Our method employs denoising diffusion to transfer information that is visible only in the image, like crisp outlines and detailed roof structures, into the elevation maps. In this way, surface details are reconstructed more accurately than with conventional interpolation or filtering techniques. Experiments on several cities in Central Europe demonstrate that the proposed approach produces high-quality DSMs with improved structural detail and accurate surface geometry. Our results highlight the potential of guided super-resolution with foundational image priors as a means of reconstructing high-resolution surface models.
• Abstract（参考訳）: 高解像度デジタルサーフェスモデル(DSM)は、都市分析、3Dビルディング再構築、インフラ監視において重要な役割を担っているが、データ取得のコストと複雑さのため、その可用性は制限されている。 対照的に、商用衛星からの粗いDSMは広くアクセス可能であり、高解像度の光学画像は、航空や衛星のプラットフォームから利用できるようになっている。 空間分解能において得られたミスマッチに対処し、高分解能スペクトル画像からのガイダンスを用いて、5mのDSMを0.5mの解像度に拡張するDSM超解像法を提案する。 提案手法では, クリップアウトラインや屋根の詳細な構造など, 画像内のみに見える情報を高架地図に伝達するために, 拡散をデノベートする。 このように、表面の細部は従来の補間やフィルタリング技術よりも正確に再構成される。 中央ヨーロッパのいくつかの都市での実験では、提案手法が構造的詳細と正確な表面形状を改善した高品質なDSMを生成することを示した。 以上の結果から,高分解能表面モデルを再構成する手段として,基礎画像を用いた誘導超解像の可能性を強調した。

関連論文リスト

• SP-MoMamba: Superpixel-driven Mixture of State Space Experts for Efficient Image Super-Resolution [99.56535031145211]
  状態空間モデル(SSM)は、効率的な単一画像超解像(SR)のための強力なパラダイムとして登場した。 我々は、コンテント対応SRのための状態空間の専門家による超ピクセル駆動の混合である textbfSP-MoMamba を提案する。 私たちの中核となる考え方は、従来の剛性スキャンを、スーパーピクセルを基本単位として扱うことによって、テキストのセマンティックなレベルのインタラクションに変換することです。
  論文  参考訳（メタデータ） (2026-05-25T14:19:59Z)
• DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction [67.42242016220122]
  血管造影は脳血管疾患の補助的診断と治療のための重要な画像診断法である。 ガウススプラッティングと動的神経表現の最近の進歩は、スパースダイナミックインプットから頑健な3次元血管再構築を可能にしている。 本稿では、動的スパースビューDSA再構成のための初の超高分解能ガウススプラッティングフレームワークであるDSA-SRGSを提案する。
  論文  参考訳（メタデータ） (2026-03-05T03:41:08Z)
• GEWDiff: Geometric Enhanced Wavelet-based Diffusion Model for Hyperspectral Image Super-resolution [19.608052570649303]
  超解像4回で超スペクトル像を再構成するための新しい枠組みを提案する。 スペクトル空間情報を保存しながら、効率よくHSIを潜在空間に圧縮するウェーブレットベースのエンコーダデコーダが導入された。 本モデルでは, 忠実度, スペクトル精度, 視覚リアリズム, 明度など, 複数次元にわたる最先端の成果を示した。
  論文  参考訳（メタデータ） (2025-11-10T13:44:16Z)
• Quaternion Wavelet-Conditioned Diffusion Models for Image Super-Resolution [7.986370916847687]
  本稿では、第4次ウェーブレット前処理フレームワークと遅延拡散モデルを統合する新しいSRフレームワークResQuを紹介する。 提案手法は,四元系ウェーブレットの埋め込みを利用して,様々な段階で動的に統合される条件付けプロセスを強化する。 提案手法は,多くの場合において,知覚品質および標準評価指標における既存手法よりも優れる,優れたSR結果が得られる。
  論文  参考訳（メタデータ） (2025-05-01T06:17:33Z)
• Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
  圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。 グローバルおよび詳細な幾何学的特徴を別々に扱うことにより、高品質な深度マップ再構築プロセスを分離する。 我々の解は、幾何的整合性と詳細回復の観点から、現在の方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-11-05T16:37:30Z)
• Diffusion Models Without Attention [110.5623058129782]
  Diffusion State Space Model (DiffuSSM) は、よりスケーラブルな状態空間モデルバックボーンで注目メカニズムを置き換えるアーキテクチャである。 拡散訓練におけるFLOP効率の高いアーキテクチャへの注力は、大きな前進となる。
  論文  参考訳（メタデータ） (2023-11-30T05:15:35Z)
• Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
  本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。 我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
  論文  参考訳（メタデータ） (2023-09-19T05:44:00Z)
• RSDiff: Remote Sensing Image Generation from Text Using Diffusion Model [0.8747606955991705]
  本研究では,高解像度衛星画像をテキストプロンプトから合成するための2段階拡散モデル手法を提案する。 このパイプラインは、テキスト入力に基づいて初期画像を生成する低解像度拡散モデル(LRDM)と、これらの画像を高解像度出力に洗練する超解拡散モデル(SRDM)から構成される。
  論文  参考訳（メタデータ） (2023-09-03T09:34:49Z)
• Single-View Height Estimation with Conditional Diffusion Probabilistic Models [1.8782750537161614]
  我々は、マルコフ連鎖として光学画像とDSM画像の連成分布を学習するために、生成拡散モデルを訓練する。 これは、音源画像に条件付けされたままの復調スコアマッチング目標を最小化して、現実的な高解像度3次元表面を生成する。 本稿では,1枚のリモートセンシング画像から高度推定を行う条件付き拡散確率モデル(DDPM)を実験する。
  論文  参考訳（メタデータ） (2023-04-26T00:37:05Z)
• Exploiting Digital Surface Models for Inferring Super-Resolution for Remotely Sensed Images [2.3204178451683264]
  本稿では,SRRモデルにリアルなリモートセンシング画像の出力を強制する新しい手法を提案する。 画像の通常のデジタル表面モデル(nDSM)から推定されるピクセルレベルの情報を知覚的損失として特徴空間の類似性に頼る代わりに、モデルが考慮する。 視覚検査に基づいて、推定された超解像画像は、特に優れた品質を示す。
  論文  参考訳（メタデータ） (2022-05-09T06:02:50Z)
• AFN: Attentional Feedback Network based 3D Terrain Super-Resolution [5.349223987137843]
  低分解能ディジタル標高モデル(LRDEM)の高分解能化を目的とした,完全畳み込みニューラルネットワークに基づく新しい超解像アーキテクチャを提案する。 我々は、LRDEMと空中画像の情報を選択的に融合させ、高周波の特徴を増強し、現実的に地形を創出する「注意フィードバックネットワーク(AFN)」と呼ばれる注意ベースのフィードバック機構を用いて、LRDEMの超解像を行う。
  論文  参考訳（メタデータ） (2020-10-04T16:51:39Z)
• Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images [54.44842669325082]
  本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。 低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。 本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
  論文  参考訳（メタデータ） (2020-08-03T13:55:39Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。