論文の概要: SatUnreal: A High-Precision Synthetic Dataset for Satellite Stereo Matching via Unreal Engine

• arxiv url: http://arxiv.org/abs/2609.27442v1
• Date: Wed, 23 Sep 2026 07:07:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.926045
• Title: SatUnreal: A High-Precision Synthetic Dataset for Satellite Stereo Matching via Unreal Engine
• Title（参考訳）: SatUnreal:非現実エンジンによる衛星ステレオマッチングのための高精度な合成データセット
• Abstract要約: SatUnrealは、Unrealベースのシミュレーションエンジンを通じて制限を克服するために設計された、高精度な合成データセットである。 SatUnrealは、高解像度の1万個のステレオペア(0.3m GSD)を提供する SatUnrealに特化して訓練されたモデルは、実世界のベンチマークで優れたゼロショット転送性能を達成する。
• 参考スコア（独自算出の注目度）: 0.9431643066293339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D reconstruction from satellite imagery is essential for large-scale topographic analysis, yet the lack of high-fidelity training datasets with accurate occlusion labels remains a primary bottleneck. Existing benchmarks, such as US3D and WHU-Stereo, face inherent challenges in spatio-temporal mismatch -- environmental changes and shadow displacements between multi-view acquisitions -- and provide ambiguous ground truth in occluded regions due to LiDAR sparsity. In this paper, we propose SatUnreal, a high-precision synthetic dataset designed to fundamentally overcome these limitations through an Unreal Engine-based simulation pipeline. SatUnreal provides 10,000 stereo pairs with high resolution (0.3m GSD) and is characterized by: (1) Physical Geometry Simulation, replicating realistic satellite orbits by systematically varying baselines and azimuths; (2) Spatio-temporal Consistency, eliminating temporal noise through fixed virtual environments; (3) Topographic Diversity, spanning dense urban canyons to low-texture natural terrains; and (4) Mathematical Label Integrity, utilizing a novel two-step linetrace algorithm to generate flawless occlusion masks. Experimental results using SOTA iterative models demonstrate that models trained exclusively on SatUnreal achieve superior zero-shot transfer performance on real-world benchmarks (US3D, WHU-Stereo) compared to those trained on real datasets. Our findings prove that physically accurate synthetic data provides a more effective supervisory signal for learning geometric features than complex real-world observations, establishing a new paradigm for Sim-to-Real transfer in Earth Observation. Code and dataset are available at https://github.com/jmp-Telepix/SatUnreal_A_High-Precision_Synthetic_Dataset_for_Satellite_Stereo_Mat ching_via_UnrealEngine
• Abstract（参考訳）: 衛星画像からの3D再構成は、大規模な地形解析には不可欠であるが、正確な閉塞ラベルを持つ高忠実度トレーニングデータセットが欠如していることが主要なボトルネックである。 既存のベンチマークであるUS3DやWHU-Stereoは、時空間的ミスマッチ(環境変化とマルチビュー取得間の影のずれ)に固有の課題に直面しており、LiDARのスパーシティによる閉鎖地域における曖昧な土台真実を提供する。 本稿では,SatUnrealを提案する。SatUnrealは,Unreal Engineをベースとしたシミュレーションパイプラインを通じて,これらの制限を根本的に克服するために設計された,高精度な合成データセットである。 SatUnrealは、高解像度(0.3m GSD)の1万個のステレオペアを提供し、(1)物理幾何学シミュレーション、体系的に異なるベースラインと方位で現実の衛星軌道を再現する、(2)時空間の時空間的一貫性、(3)高密度の都市峡谷を低テクスチュアな自然地形にまたがる地形的多様性、(4)新しい2段階のライントレースアルゴリズムを用いて、未完成のオクルージョンマスクを生成する、数学的ラベル積分を特徴とする。 SOTA反復モデルを用いた実験結果から、実世界のベンチマーク(US3D, WHU-Stereo)において、SatUnrealでのみ訓練されたモデルの方が、実際のデータセットで訓練されたモデルよりも優れたゼロショット転送性能が得られることが示された。 以上の結果から, 物理精度の高い合成データにより, 複雑な実世界の観測よりも幾何学的特徴を学習する上で, より効果的な信号が得られ, 地球観測におけるシム・トゥ・リアル移動の新たなパラダイムが確立された。 コードとデータセットはhttps://github.com/jmp-Telepix/SatUnreal_A_High-Precision_Synthetic_Dataset_for_Satellite_Stereo_Mat ching_via_UnrealEngineで入手できる。

関連論文リスト

• Image2Sim: Scaling Embodied Navigation via Generative Neural Simulator [70.34667754804168]
  Embodied Navigationは、マルチモーダルな目標を解釈し、3D空間を推論し、現実の世界で確実に目的地に到達するエージェントを構築することを目的としている。 本稿では,RGB-D画像シーケンスから高品質な対話環境を構築するリアルタイムニューラルネットワークフレームワークであるImage2Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T02:42:41Z)
• GazePrior: Zero-Shot AR/VR Eye Tracking via Learned 3D Gaze Reconstruction [60.68732444876243]
  我々は、さまざまなアイデンティティ、視線方向、光設定にわたる人間の目の分布をモデル化する、データ駆動型3Dプリミティブを導入する。 このモデルは、以前のETデバイスで収集された注釈付きデータのスパースインプット3D再構成を可能にする。 提案手法は, 実データ収集の現実性, 多様性, 地道的精度を, 禁止コストを伴わずに, データを合成する。
  論文  参考訳（メタデータ） (2026-05-21T11:54:01Z)
• Physics-informed simulation framework for realistic sonar image generation and statistical validation [1.4610038284393168]
  ACOUSIMは合成ソナー画像と実ソナー画像の統計的アライメントを評価するフレームワークである。 ガゼボをベースとした環境は、海底テクスチャ、照明駆動影、プラットフォーム高度、騒音を明示的に制御することでソナーのような画像を生成する。
  論文  参考訳（メタデータ） (2026-05-19T11:49:11Z)
• Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
  我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。 実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。 次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
  論文  参考訳（メタデータ） (2026-01-24T07:43:57Z)
• UrbanTwin: Synthetic LiDAR Datasets (LUMPI, V2X-Real-IC, and TUMTraf-I) [3.1508266388327324]
  UrbanTwinデータセットは、3つの公開ロードサイドライダーデータセットの高忠実で現実的なレプリカである。 各UrbanTwinデータセットには、パブリックデータセットの1つに対応する10Kフレームが含まれている。
  論文  参考訳（メタデータ） (2025-09-08T15:06:02Z)
• Stable-Sim2Real: Exploring Simulation of Real-Captured 3D Data with Two-Stage Depth Diffusion [16.720863475636328]
  3Dデータシミュレーションは、シミュレーションされた3Dデータと実際の3Dデータのギャップを埋めることを目的としている。 大部分の3Dデータシミュレーション手法は、事前に定義された物理的前提を注入するが、実際のデータの完全な複雑さを捉えるのに苦労する。 この研究は、新しい2段階の深さ拡散モデルに基づいて、Stable-Sim2Realと呼ばれる新しい解経路を探索する。
  論文  参考訳（メタデータ） (2025-07-31T12:08:16Z)
• A large-scale, physically-based synthetic dataset for satellite pose estimation [0.0]
  本稿では,ハッブル宇宙望遠鏡(HST)を対象とするDLVS3-HST-V1データセットについて述べる。 データセットは、高度なリアルタイムおよびオフラインレンダリング技術を使用して生成され、高忠実度3Dモデル、ダイナミックライティング、物理的に正確な材料特性を統合する。 このパイプラインは、6-DoFのポーズとキーポイントデータ、セマンティックセグメンテーション、深さ、正規マップを備えた大規模でリッチな注釈付きイメージセットの作成をサポートする。
  論文  参考訳（メタデータ） (2025-06-15T09:24:32Z)
• JiSAM: Alleviate Labeling Burden and Corner Case Problems in Autonomous Driving via Minimal Real-World Data [49.2298619289506]
  本稿では,ジッタリング強化,ドメイン認識バックボーン,メモリに基づくセクタライズAlignMentのためのJiSAMというプラグイン・アンド・プレイ手法を提案する。 有名なADデータセットであるNuScenesで実施された広範な実験において、SOTA 3Dオブジェクト検出器を用いて、JiSAMはシミュレーションデータと2.5%の実データにラベルを付けるだけで、実データで訓練されたモデルに匹敵する性能が得られることを示した。
  論文  参考訳（メタデータ） (2025-03-11T13:35:39Z)
• Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
  本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。 一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
  論文  参考訳（メタデータ） (2024-06-17T07:43:53Z)

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。