論文の概要: Agentic Building-Aware Satellite Gaussian Splatting for Auditable Urban DSM Reconstruction
- arxiv url: http://arxiv.org/abs/2609.25578v1
- Date: Tue, 22 Sep 2026 02:15:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.177545
- Title: Agentic Building-Aware Satellite Gaussian Splatting for Auditable Urban DSM Reconstruction
- Title（参考訳）: 都市DSM再建のためのエージェント・ビル・アウェア衛星ガウシアン・スプレイティング
- Abstract要約: 衛星画像からの都市規模の3D再構成は、災害対応、都市モニタリング、地理空間デジタル双生児をサポートする。
本稿では,Segment Anything から派生したビルディングマスクをセマンティックプリミティブとして利用する,エージェント型ビルディング対応衛星ガウシアンスプラッティングワークフローを提案する。
このシステムは、セマンティックな事前情報、ポリシーの選択、地域固有のDSMメトリクス、および監査可能な都市3D分析のためのDSM由来GISサーフェス製品を組み合わせる。
- 参考スコア（独自算出の注目度）: 17.58509499473062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban-scale 3D reconstruction from satellite imagery supports disaster response, city monitoring, and geospatial digital twins, yet neural rendering methods typically optimize average visual fidelity rather than the structures that analysts inspect first: buildings. We present an agentic building-aware satellite Gaussian Splatting workflow that uses Segment Anything-derived building masks as semantic priors and an Agentic Reconstruction Controller to select, verify, and record DSM reconstruction policies. On the DFC2019 JAX\_004 scene, building-aware weighting reduces building-region DSM MAE from 0.844 m to 0.806 m, showing that semantic priors can shift reconstruction capacity toward analyst-critical regions. A staged schedule provides a balanced operating point, improving full-scene MAE from 1.362 m to 1.349 m while retaining a building gain. Across four JAX scenes, the Agent selects validated policies for both general DSM and building-focused DSM objectives, and produces building-inventory metadata and per-scene decision records. The system combines semantic priors, policy selection, region-specific DSM metrics, and DSM-derived GIS surface products for auditable urban 3D analysis.
- Abstract（参考訳）: 衛星画像からの都市規模の3D再構成は、災害対応、都市モニタリング、地理空間デジタル双生児をサポートするが、ニューラルレンダリング手法は通常、アナリストが最初に検査する建物ではなく、平均的な視覚的忠実度を最適化する。
本稿では,Segment Anythingから派生したビルディングマスクをセマンティックプリミティブとして使用し,DSM再構成ポリシーを選択,検証,記録するためのエージェント再構成コントローラを提案する。
DFC2019 JAX\_004のシーンでは、ビル・アウェアの重み付けにより、建築領域のDSM MAEは0.844mから0.806mに減少し、セマンティックオーディエンスによって再構築能力がアナリストクリティカルな領域にシフトできることが示されている。
ステージ化されたスケジュールはバランスの取れた運用ポイントを提供し、建物のゲインを維持しながら、フルシーンのMAEを1.362mから1.349mに改善する。
4つのJAXシーンで、Agentは一般的なDSMとビルディングに焦点を当てたDSMの両方のポリシーを選択し、ビルディングインベントリメタデータとシーンごとの決定レコードを生成する。
このシステムは、セマンティックな事前情報、ポリシーの選択、地域固有のDSMメトリクス、および監査可能な都市3D分析のためのDSM由来GISサーフェス製品を組み合わせる。
関連論文リスト
- Polis: 3D Self-Supervision at City Scale [38.40501054437541]
我々は、ネイティブポイントクラウドエンコーダの目的として、Sketched Isotropic Gaussian Regularization (SIGReg)の最初の応用について、Polisを紹介した。
14都市のコーパスと建築規模のコーパスにまたがるベンチマークで評価した。
この結果から, 都市規模の3Dシーンにおいて, 分散正規化を図った共同埋設建築が成功できることが示唆された。
論文 参考訳（メタデータ） (2026-08-29T20:07:51Z) - SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。
粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。
実験は、既存のマップベースのアプローチよりも大幅に改善されている。
論文 参考訳（メタデータ） (2026-06-25T18:13:39Z) - Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。
タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。
DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
論文 参考訳（メタデータ） (2026-05-12T06:57:41Z) - SAM 3D for 3D Object Reconstruction from Remote Sensing Images [3.893451853752809]
本稿では,汎用画像から3D基礎モデルであるSAM 3Dを初めて体系的に評価する。
実験により, SAM 3DはTRELLISに比べて, よりコヒーレントな屋根形状とシャープな境界を生じることが示された。
論文 参考訳（メタデータ） (2025-12-27T03:47:39Z) - GS4Buildings: Prior-Guided Gaussian Splatting for 3D Building Reconstruction [6.410170080806193]
本稿では, より堅牢でスケーラブルな建物表面再構築のための, GS4Buildingsを提案する。
平面構造幾何から事前の深さと正規写像を生成し、それらを最適化プロセスに組み込む。
都市データセットの実験では、GS4Buildingsは再建完了度を20.5%改善し、幾何精度を32.8%改善している。
論文 参考訳（メタデータ） (2025-08-10T14:13:31Z) - SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting [85.87902260102652]
本稿では, 連続3次元ガウシアン・アフラマンス推論の課題について紹介する。
次に,SeqSplatNetを提案する。SqSplatNetは,命令を直接3Dアベイランスマスクのシーケンスにマッピングするエンドツーエンドフレームワークである。
本手法は,1段階のインタラクションから,シーンレベルでの複雑なシーケンシャルなタスクへの可利用性推論を効果的に向上させる。
論文 参考訳（メタデータ） (2025-07-31T17:56:55Z) - DSM: Constructing a Diverse Semantic Map for 3D Visual Grounding [4.016097197373127]
本稿では,VLM由来のセマンティクスのスペクトルを持つロバストな幾何学的モデルに富むシーン表現フレームワークであるDSM(Diverse Semantic Map)フレームワークを紹介する。
ScanReferのベンチマークでは、DSM-GroundingはIoU@0.5の59.06%の精度を達成し、他を10%上回っている。
セマンティックセグメンテーションでは、DSMは67.93%のF-mIoUを獲得し、特権のあるものを含むすべてのベースラインを上回ります。
論文 参考訳（メタデータ） (2025-04-11T07:18:42Z) - Reconstructing People, Places, and Cameras [57.81696692335401]
Humans and Structure from Motion (HSfM) は、メカニカルワールド座標系において、複数の人メッシュ、シーンポイント雲、カメラパラメータを共同で再構築する手法である。
以上の結果から,SfMパイプラインに人体データを組み込むことで,カメラのポーズ推定が改善された。
論文 参考訳（メタデータ） (2024-12-23T18:58:34Z) - UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。
動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。
提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
論文 参考訳（メタデータ） (2024-12-04T16:59:49Z) - Machine-learned 3D Building Vectorization from Satellite Imagery [7.887221474814986]
自動3Dビルディングの再構築とベクトル化のための機械学習に基づく手法を提案する。
単チャネルフォトグラム化デジタルサーフェスモデル(DSM)とパンクロマティック画像(PAN)を入力として、まず非構築オブジェクトをフィルタリングし、形状の構築を洗練する。
改良されたDSMと入力されたPAN画像はセマンティックセグメンテーションネットワークを介して、建物の屋根の端と角を検出する。
論文 参考訳（メタデータ） (2021-04-13T19:57:30Z)
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。