論文の概要: HLC-GS: Risk-Map-Guided Height-Layer Consistency Gaussian Splatting for DSM Reconstruction from Optical Satellite Imagery
- arxiv url: http://arxiv.org/abs/2609.16772v1
- Date: Tue, 15 Sep 2026 07:42:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.391474
- Title: HLC-GS: Risk-Map-Guided Height-Layer Consistency Gaussian Splatting for DSM Reconstruction from Optical Satellite Imagery
- Title（参考訳）: HLC-GS:光衛星画像からのDSM再構成のためのリスクマップ誘導高層連続ガウス散乱
- Abstract要約: 光衛星画像からのDSM再構成のためのリスクマップ誘導高層一貫性ガウス散乱法を提案する。
HLC-GSは、異常な高さ分散と信頼できない支配層応答を持つ高リスク画素を局在させる。
6つの最先端DSM再構成法と比較して,HLC-GSは全体的な精度が向上する。
- 参考スコア（独自算出の注目度）: 13.845018093122803
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A Digital Surface Model (DSM) is a fundamental geospatial data product for representing the elevation of the Earth's surface. Recently, 3D Gaussian Splatting (3DGS) has shown considerable potential for DSM reconstruction from multi-view optical satellite imagery due to its explicit scene representation and efficient optimization. However, in 3DGS-based DSM generation, alpha-weighted aggregation of Gaussian altitudes may blend splats from different height layers at the same rendered pixel or DSM sampling location, producing non-physical intermediate elevations and height-layer mixing errors. To address this problem, we propose HLC-GS, a risk-map-guided height-layer consistency Gaussian Splatting method for DSM reconstruction from optical satellite imagery. HLC-GS consists of a risk map module, a dominant-layer reliability correction module, and a secondary-layer suppression module. The risk map localizes high-risk pixels with abnormal height dispersion and unreliable dominant-layer responses, while the latter two modules regularize unreliable dominant-layer responses and suppress weakly supported far secondary-layer responses. Extensive experiments are conducted on the DFC2019 and IARPA2016 datasets. Compared with six state-of-the-art DSM reconstruction methods, HLC-GS achieves better overall accuracy. Compared with the latest and precision-enhanced EOGS, HLC-GS reduces the average MAE from 1.46 m to 1.18 m and the average RMSE from 2.78 m to 2.58 m over the evaluated scenes, while improving PAG$_{2.5}$ from 86.09\% to 88.61\%. Overall, these results demonstrate that explicitly modeling per-pixel height-layer consistency alleviates height-layer mixing and improves the geometric quality of 3DGS-based DSM reconstruction from optical satellite imagery.
- Abstract（参考訳）: デジタル・サーフェス・モデル(DSM)は、地球表面の標高を表す基本的な地理空間データ製品である。
近年,3D Gaussian Splatting (3DGS) は,その明示的なシーン表現と効率的な最適化により,多視点光衛星画像からのDSM再構成の可能性を示している。
しかし、3DGSベースのDSM生成では、ガウス高度のアルファ重み付き凝集は、同じレンダリングされたピクセルまたはDSMサンプリング位置で異なる高さ層からスプレートを混合し、非物理的中間標高と高さ層混合誤差を生じる可能性がある。
この問題に対処するために,光衛星画像からのDSM再構成のためのリスクマップ誘導高層一貫性ガウス平滑化法であるHLC-GSを提案する。
HLC-GSはリスクマップモジュール、支配層信頼性補正モジュール、二次層抑制モジュールから構成される。
リスクマップは異常な高さ分散と信頼できない支配層応答を有する高リスク画素をローカライズする一方、後者の2つのモジュールは信頼できない支配層応答を正規化し、弱い支持された遠二次層応答を抑制する。
大規模な実験は、DFC2019とIARPA2016データセットで実施されている。
6つの最先端DSM再構成法と比較して,HLC-GSは全体的な精度が向上する。
最新の精度向上EOGSと比較して、HLC-GSは平均MAEを1.46mから1.18mに減らし、平均RMSEを2.78mから2.58mに減らし、PAG$_{2.5}$を86.09\%から88.61\%に改善した。
これらの結果から,光衛星画像からの3DGSによるDSM再構成の幾何的品質向上が図られた。
関連論文リスト
- Guided Super-Resolution of Digital Elevation Models with Diffusion-Based Image Generators [21.883917055340024]
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。
論文 参考訳（メタデータ） (2026-09-10T17:49:49Z) - CLEAR: Conflict-aware Learning via Evidence-guided Adaptive Routing for Unified Sparse-View 3D Gaussian Super-Resolution [80.43237927269575]
Sparse-view 3D Gaussian Splatting Super- resolution のための最初の統一された単一ステージフレームワークとして CLEAR を提案する。
CLEARは、統合ガウス表現の中で、真のLR観測と外部HR事前の最適化を共同で行う。
合成と実世界の両方の4times$超高解像度ベンチマークの実験は、CLEARが常に最先端のレンダリング品質を達成していることを示している。
論文 参考訳（メタデータ） (2026-08-03T13:31:53Z) - SatSurfGS: Generalizable 2D Gaussian Splatting for Sparse-View Satellite Surface Reconstruction [28.052416644147044]
2DGSに基づく衛星画像のスパース面再構成法であるSatSurfGSを提案する。
提案手法は粗大なガウス属性予測フレームワークを構築し,局所的な幾何学的信頼性を3つのレベルで明確にモデル化する。
衛星データセットを用いた実験により,提案手法はレンダリング品質,表面再構成精度,クロスデータセットの一般化,推論効率の向上を実現している。
論文 参考訳（メタデータ） (2026-05-08T03:19:32Z) - Confidence-Driven Facade Refinement of 3D Building Models Using MLS Point Clouds [3.1727619150610837]
本研究は, 粗いモデルを幾何前駆体として利用する自動精錬フレームワークを提案する。
曲面マッチングを統合して古い曲面を識別し、二進整数最適化を用いて候補データから最適な顔を選択する。
実験結果から,提案手法はファサードのミスアライメントを効果的に補正し,雲とメシュのRMSEを約36%低減し,センチメートルレベルのアライメントを実現した。
論文 参考訳（メタデータ） (2026-04-04T17:01:26Z) - PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。
ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。
Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
論文 参考訳（メタデータ） (2026-02-10T20:44:43Z) - SkySplat: Generalizable 3D Gaussian Splatting from Multi-Temporal Sparse Satellite Images [14.193740794354607]
疎視可能な衛星画像から3次元のシーンを再現することは、長年の課題である。
RPCモデルを一般化可能な3DGSパイプラインに統合する新しいフレームワークであるSkySplatを提案する。
シーンごとの最適化手法と比較して、SkySplatは高精度でEOGSの86倍の高速化を実現している。
論文 参考訳（メタデータ） (2025-08-13T04:17:51Z) - GS-2DGS: Geometrically Supervised 2DGS for Reflective Object Reconstruction [51.99776072246151]
2次元ガウス散乱(2DGS)に基づく反射物体に対するGS-2DGSと呼ばれる新しい再構成法を提案する。
合成および実データを用いた実験結果から,本手法はガウスの手法を再現・啓蒙の面で著しく上回っていることが示された。
論文 参考訳（メタデータ） (2025-06-16T05:40:16Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - Photometric Multi-View Mesh Refinement for High-Resolution Satellite
Images [24.245977127434212]
最先端の復元手法は一般的に2.5次元の標高データを生成する。
マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
論文 参考訳（メタデータ） (2020-05-10T20:37:54Z)
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。