論文の概要: OpenFlyScan: A Quality-Guided Aerial Reconstruction System for Consumer Drones
- arxiv url: http://arxiv.org/abs/2609.24253v1
- Date: Mon, 21 Sep 2026 08:17:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.208717
- Title: OpenFlyScan: A Quality-Guided Aerial Reconstruction System for Consumer Drones
- Title（参考訳）: OpenFlyScan: 消費者向けドローンの高品質空中再構成システム
- Abstract要約: 我々は,消費者向けドローンの高品質空中再構成システムであるOpenFlyScanを紹介する。
このモデルはGSレンダリングエラーから学習し、局所的な復元品質を予測する。
実際の空中シーン全体にわたって、モデルは、貧弱に再構成される可能性のある領域を効果的に識別する。
- 参考スコア（独自算出の注目度）: 14.919945923669419
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) provides high-fidelity scenes for large-scale embodied simulation, but constructing large-scale urban assets remains constrained by expensive equipment and delayed quality feedback. Preset surveys can leave complex surfaces insufficiently observed, with defects discovered only after reconstruction, requiring return visits and repeated processing. We present OpenFlyScan, a quality-guided aerial reconstruction system for consumer drones that integrates a GS quality model, a reacquisition planner, and a custom-designed mobile app. The model learns from GS rendering errors to predict regional reconstruction quality. Based on these predictions, the planner then generates complementary reacquisition strips to be executed through the app, which also supports automated oblique surveys and data transfer without additional hardware on board. Across real aerial scenes, the model effectively identifies regions that are likely to be poorly reconstructed. In the Expo West field experiment, targeted reacquisition improves PSNR at additional views by 10.95 dB. With consumer drones, OpenFlyScan integrates capture, targeted reacquisition, and reconstruction to support rapid, low-cost urban asset creation. Code and models will be made publicly available at https://openflyscan.github.io/.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は、大規模な実施シミュレーションのための高忠実なシーンを提供するが、高価な機器や品質フィードバックの遅れにより、大規模な都市資産の構築には制約が残っている。
事前調査では複雑な表面が十分に観察されず、修復後にのみ欠陥が発見され、再訪問や繰り返し処理が要求される。
我々は、GSの品質モデル、再取得プランナー、カスタムデザインのモバイルアプリを統合した、消費者向けドローンのための品質誘導型空中再構築システムOpenFlyScanを紹介する。
このモデルはGSレンダリングエラーから学習し、局所的な復元品質を予測する。
これらの予測に基づいて、プランナーはアプリを通じて実行される補完的な再取得ストリップを生成する。
実際の空中シーン全体にわたって、モデルは、貧弱に再構成される可能性のある領域を効果的に識別する。
Expo Westフィールド実験では、ターゲットの再取得により、PSNRは10.95dBのさらなるビューで改善される。
消費者向けドローンでOpenFlyScanは、キャプチャーとターゲットの再獲得、そして迅速な低コストの都市資産創出を支援する再構築を統合している。
コードとモデルはhttps://openflyscan.github.io/.comで公開される。
関連論文リスト
- Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。
本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。
多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
論文 参考訳（メタデータ） (2025-10-10T13:22:12Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - Neural 3D Object Reconstruction with Small-Scale Unmanned Aerial Vehicles [16.745245388756533]
小型無人航空機(UAV)は、屋内と難航地域を航行する大きな可能性を秘めている。
本稿では,100グラム以下のUAVを用いた静的物体の完全自律・高忠実な3次元走査を可能にするシステムアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-09-15T21:08:32Z) - RobustGS: Unified Boosting of Feedforward 3D Gaussian Splatting under Low-Quality Conditions [67.48495052903534]
本稿では,汎用的で効率的なマルチビュー機能拡張モジュールRobustGSを提案する。
各種の有害撮像条件下でのフィードフォワード3DGS法のロバスト性を大幅に向上させる。
RobustGSモジュールはプラグイン・アンド・プレイ方式で既存の事前訓練パイプラインにシームレスに統合できる。
論文 参考訳（メタデータ） (2025-08-05T04:50:29Z) - BRUM: Robust 3D Vehicle Reconstruction from 360 Sparse Images [21.811586185200706]
本稿では,スパースビュー入力から車両を再構築する際の課題について述べる。
我々は、新しいビューを合成するために、深度マップとロバストなポーズ推定アーキテクチャを活用する。
本稿では,合成と現実の両方の公共交通機関を特徴とする新しいデータセットを提案する。
論文 参考訳（メタデータ） (2025-07-16T10:04:35Z) - RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。
本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。
復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
論文 参考訳（メタデータ） (2025-06-28T08:02:54Z) - ExploreGS: a vision-based low overhead framework for 3D scene reconstruction [3.3612832966027857]
ExploreGSは、従来のライダーベースのポイントクラウド獲得プロセスを視覚モデルで置き換える。
このフレームワークはシーン探索とモデル再構成を統合し、リアルタイム処理機能を実現するためにBag-of-Words(BoW)モデルを活用する。
論文 参考訳（メタデータ） (2025-05-14T02:57:01Z) - S3R-GS: Streamlining the Pipeline for Large-Scale Street Scene Reconstruction [58.37746062258149]
3D Gaussian Splatting(3DGS)は、3D再構成の分野を変え、素晴らしいレンダリング品質とスピードを実現した。
既存の手法では、シーンサイズが大きくなるにつれて、ビューポイント当たりの再生コストが急速に増大する。
大規模なストリートシーン再構築のためのパイプラインをストリーム化する3DGSフレームワークであるS3R-GSを提案する。
論文 参考訳（メタデータ） (2025-03-11T09:37:13Z) - FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。
当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。
包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
論文 参考訳（メタデータ） (2024-12-12T18:52:53Z)
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。