論文の概要: AstraLOD3: Zero-shot multimodal agentic reconstruction of LOD3 building models

• arxiv url: http://arxiv.org/abs/2609.28061v1
• Date: Wed, 23 Sep 2026 13:11:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.026313
• Title: AstraLOD3: Zero-shot multimodal agentic reconstruction of LOD3 building models
• Title（参考訳）: AstraLOD3:LOD3ビルモデルのゼロショットマルチモーダルエージェント再構成
• Abstract要約: 本研究では,汎用多目的基礎モデルであるAstraがLOD3ビルディングモデルのゼロショット再構成により限界に対処できるかどうかを検討する。 AstraLOD3は、マルチビュー画像、キャリブレーションカメラ、フィルタされたスパースSfM点雲と自然言語再構成仕様を組み合わせたものである。 ベンチマーク・ビルディング24棟を含む35回にわたって、AstraLOD3は0.9647のFRDSを達成し、以前の目的の手法に匹敵する幾何的合意を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automated LOD3 building modeling typically relies on purpose-built geometric or learning-based pipelines, limiting flexibility across heterogeneous buildings and input evidence conditions. This study investigates whether Astra, a general-purpose multimodal foundation model, can address these limitations through zero-shot reconstruction of LOD3 building models within an agentic framework under bounded autonomy. AstraLOD3 combines multi-view images, calibrated cameras, and a filtered sparse SfM point cloud with a natural-language reconstruction specification, while the Astra agent dynamically selects and executes computational procedures using Python and Blender. Across 35 runs, including 24 benchmark buildings, AstraLOD3 achieved a mean FRDS of 0.9647 and geometric agreement comparable to that of previous purpose-built methods. Controlled ablations further revealed the effects of reconstruction guidance, evidence modalities, model configuration, and run-to-run variability. The results demonstrate that structured LOD3 reconstruction can be formulated as a constrained agentic process rather than as a fixed pipeline. Future work will investigate adaptive refinement, user-guided correction, task-specific specialization, and damage-aware reconstruction.
• Abstract（参考訳）: 自動LOD3ビルディングモデリングは、汎用的な幾何学的または学習に基づくパイプラインに依存し、異質な建物間の柔軟性と入力エビデンス条件を制限している。 本研究では, 汎用マルチモーダル基礎モデルであるAstraが, エージェントフレームワーク内におけるLOD3ビルディングモデルのゼロショット再構成により, それらの制約に対処できるかどうかを検討する。 AstraLOD3はマルチビュー画像、キャリブレーションカメラ、フィルターされたスパースSfMポイントクラウドと自然言語再構成仕様を組み合わせ、AstraエージェントはPythonとBlenderを使って動的に計算手順を選択し実行している。 ベンチマーク・ビルディング24棟を含む35回にわたって、AstraLOD3は0.9647のFRDSを達成し、以前の目的の手法に匹敵する幾何的合意を達成した。 制御された改善は、再構築指導、エビデンス・モダリティ、モデル構成、実行間変動の影響をさらに明らかにした。 その結果,構造付きLOD3再構成は固定パイプラインではなく,制約されたエージェントプロセスとして定式化できることがわかった。 今後の研究は、適応的な洗練、ユーザガイド付き修正、タスク特化、損傷認識の再構築について検討する。

関連論文リスト

• nnFoundation: 3D Foundation Models for Radiology [48.893650575172934]
  本稿では, nnFoundation, complementary convolutional and transformer-based 3D radiological foundation modelを提案する。 nnFoundationは、125の機関および公開データセットから2100万のCT、MRI、PET画像のボリュームをトレーニングしている。 セグメンテーション,検出,分類,レポート生成,画像検索にまたがる108タスクを対象に評価を行った。
  論文  参考訳（メタデータ） (2026-09-22T18:18:59Z)
• SVI2LoD3: Agent-Driven Reconstruction of LoD3 Facade Openings in Semantic 3D City Models from Volunteered Street View Imagery using Large Language and Visual Models [0.0]
  本稿では,3次元都市モデルにおけるファサード開口部再構築のためのエンドツーエンドのエージェント駆動パイプラインを提案する。 ファサード特徴距離(FFD)と呼ばれるファサード再構成のための新しい評価基準も導入する。 提案したパイプラインと評価戦略は、セマンティックに富んだ3D都市モデルの自動生成と分析に実用的でスケーラブルな貢献を提供する。
  論文  参考訳（メタデータ） (2026-08-30T19:37:01Z)
• Model-Driven Discipline for Multi-Agent LLMs: Requirement-to-Verification Generation of Traceable System Models [62.62160094849002]
  RADIANTは、MDEとMulti-Agent Large Language Modelを組み合わせたエンジニアリング方法論である。 工学的なフェーズにまたがる異種モデルを自動的に生成する。 正確かつ自動的な変更インパクト分析を提供する。
  論文  参考訳（メタデータ） (2026-07-18T08:50:55Z)
• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• GeoFusionLRM: Geometry-Aware Self-Correction for Consistent 3D Reconstruction [27.169882738788257]
  大規模な再構成モデル(LRM)を用いた単一画像の3D再構成は急速に進んでいるが、幾何的不整合がしばしば現れ、忠実さを制限している。 構造精度を向上させるために,モデル自身の正規および深度予測を利用する幾何学的自己補正フレームワークであるGeoFusionLRMを紹介する。
  論文  参考訳（メタデータ） (2026-02-15T12:39:04Z)
• LLM-Driven 3D Scene Generation of Agricultural Simulation Environments [1.002902747701998]
  3Dシーン生成のための大規模言語モデル(LLM)は、将来性を示すが、しばしばドメイン固有の推論、検証機構、モジュール設計を欠いている。 本稿では,LLMを用いて自然言語のプロンプトから農業用合成シミュレーション環境を生成する。 モジュール型マルチLLMパイプラインを開発し、3Dアセット検索、ドメイン知識注入、Unrealレンダリングエンジンのためのコード生成を統合した。
  論文  参考訳（メタデータ） (2026-02-12T08:33:01Z)
• Autoregressive Models Rival Diffusion Models at ANY-ORDER Generation [35.63237650402896]
  Any-order Any-subset Autoregressive Modeling (A3)を提案する。 A3は、任意のトークングループと生成順序に標準ARファクタライゼーションを拡張するフレームワークである。 質問応答、常識推論、ストーリーインフィルの実験は、A3が拡散ベースモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2026-01-19T17:03:48Z)
• StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
  StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
  論文  参考訳（メタデータ） (2026-01-12T15:41:27Z)
• Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
  我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。 本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。 実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
  論文  参考訳（メタデータ） (2025-09-29T16:18:32Z)
• How Far Are We from Generating Missing Modalities with Foundation Models? [49.425856207329524]
  欠落したモダリティの再構築に適したエージェントフレームワークを提案する。 本手法は, 画像再構成に要するFIDを少なくとも14%, MERを少なくとも10%削減する。
  論文  参考訳（メタデータ） (2025-06-04T03:22:44Z)
• A Generative Machine Learning Model for Material Microstructure 3D Reconstruction and Performance Evaluation [4.169915659794567]
  2次元から3次元への次元展開は、現在の技術的観点から非常に難しい逆問題と見なされている。 U-netのマルチスケール特性とGANの生成能力を統合する新しい生成モデルが提案されている。 さらに、画像正規化損失とワッサーシュタイン距離損失を組み合わせることにより、モデルの精度をさらに向上する。
  論文  参考訳（メタデータ） (2024-02-24T13:42:34Z)

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。