論文の概要: Enhancing Photogrammetric Digital Surface Models with Pretrained Diffusion Models and Multimodal Conditioning

• arxiv url: http://arxiv.org/abs/2609.31199v1
• Date: Fri, 25 Sep 2026 12:35:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.380116
• Title: Enhancing Photogrammetric Digital Surface Models with Pretrained Diffusion Models and Multimodal Conditioning
• Title（参考訳）: 予め訓練された拡散モデルとマルチモーダルコンディショニングを用いたフォトグラムデジタルサーフェスモデルの強化
• Abstract要約: 大規模デジタルサーフェスモデル(DSM)は、ステレオフォトグラム法により衛星画像から低コストで製造することができる。 空中LiDARは、かなり高いコストで高精度な高度測定を提供する。 本研究では,DSMとPléiades画像の両方に条件付き拡散モデルを適用し,垂直に登録したDSMを改良する。
• 参考スコア（独自算出の注目度）: 2.591660601119631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large-scale Digital Surface Models (DSMs) can be produced cost-effectively from satellite images via stereo-photogrammetry. However, the resulting 3D maps are often contaminated by noise, outliers, and voids. On the other hand, aerial LiDAR provides high-accuracy elevation measurements at a substantially higher cost. In this work, we study diffusion models conditioned both on photogrammetric DSMs and Pléiades imagery to refine vertically co-registered DSMs. We introduce a modified Stable Diffusion 3 architecture with a pruned text stream and a patch-wise normalization strategy, enabling stable training on LiDAR data and transfer from natural images to elevation maps. Experiments in French cities demonstrate that multimodal conditioning improves elevation accuracy, reducing Dense Urban RMSE from 6.00 to 3.45 m in the in-context cities and from 4.16 to 2.77 m in the held-out city of Bordeaux.
• Abstract（参考訳）: 大規模デジタルサーフェスモデル(DSM)は、ステレオフォトグラム法により衛星画像から低コストで製造することができる。 しかし、結果として生じる3Dマップは、しばしばノイズ、外れ値、ヴォイドによって汚染される。 一方、空中LiDARは、かなり高いコストで高精度な標高測定を提供する。 本研究では,DSMとPléiades画像の両方に条件付き拡散モデルを適用し,垂直に登録したDSMを改良する。 我々は,テキストストリームとパッチワイド正規化戦略を備えた安定拡散3アーキテクチャを導入し,LiDARデータの安定したトレーニングと自然画像から標高マップへの転送を可能にした。 フランスの都市での実験では、マルチモーダルコンディショニングによって標高の精度が向上し、Dense Urban RMSEはコンテクストの都市では6.00mから3.45m、ボルドーでは4.16mから2.77mに低下している。

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)
• 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)
• RadioGen3D: 3D Radio Map Generation via Adversarial Learning on Large-Scale Synthetic Data [62.63849426834315]
  将来の6Gおよび低高度ネットワークにおける効率的な無線資源管理には,無線地図が不可欠である。 ディープ・ラーニング(DL)技術は、無線地図推定における従来のレイトレーシングに代わる効果的な代替手段として登場した。 提案するRadioGen3Dフレームワークは,本質的な3次元信号伝搬特性とアンテナ偏光効果を捉える。
  論文  参考訳（メタデータ） (2026-02-21T07:50:05Z)
• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• Enhancing Monocular Height Estimation via Sparse LiDAR-Guided Correction [25.268217296287688]
  合成データに基づいて学習した最先端のMHEモデルについて検討する。 このモデルは,過大評価や過小評価につながる要因である影の手がかりに大きく依存していることが判明した。 本稿では,不完全な大域的LiDAR測定と疎結合な補正パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-11T08:54:09Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)
• High Quality Large-Scale 3-D Urban Mapping with Multi-Master TomoSAR [18.7734351067417]
  本研究は,超小型スタックで動作する新しいSARトモグラフィ処理フレームワークを提案する。 相対的な高さの精度は2メートル以内であり、TandEM-Xの生のDEMより優れている。
  論文  参考訳（メタデータ） (2023-05-08T08:29:21Z)
• SAR Tomography at the Limit: Building Height Reconstruction Using Only 3-5 TanDEM-X Bistatic Interferograms [18.7734351067417]
  本研究は,超小型スタックで動作する新しいSARトモグラフィ処理フレームワークを提案する。 このアルゴリズムの適用性は、ドイツのミュンヘン市全域に5つのバイスタティック・インターフェログラムを持つTandDEM-Xマルチベースラインスタックを用いて実証されている。
  論文  参考訳（メタデータ） (2020-03-17T16:37:33Z)

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。