論文の概要: Measurable Semantic 3D Gaussian Splatting with Joint Region and Depth Supervision for Interactive Building Inspection
- arxiv url: http://arxiv.org/abs/2610.13143v1
- Date: Fri, 09 Oct 2026 07:33:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.455478
- Title: Measurable Semantic 3D Gaussian Splatting with Joint Region and Depth Supervision for Interactive Building Inspection
- Title（参考訳）: 対話型建築検査のための関節領域と深さスーパービジョンを用いた計測可能な意味的3次元ガウス平滑化
- Abstract要約: 本研究では,多視点画像からの対話型ビルディングインスペクションのための領域・深度監視機能を備えた計測可能な意味的3Dガウススティング(3DGS)フレームワークを提案する。
セマンティックガウスのフィールドは学習可能なクラス機能と個々のガウスのプリミティブを関連付け、セマンティックレンダリングとコンポーネントレベルのインスペクションを可能にする。
これらの機能は、リアルタイムビジュアライゼーション、セマンティック分析、定量測定、マルチモーダル・大規模言語モデル(MLLM)アシストインタラクションをサポートする対話型ビルディングインスペクションプラットフォームであるAEC-SplatTwinを通じて運用されている。
- 参考スコア（独自算出の注目度）: 4.0344557117693745
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image-based 3D reconstruction provides a scalable representation for building inspection and maintenance. However, photorealistic reconstruction alone does not fully provide the geometric measurability, semantic structure, and interactive information access required for engineering applications. This study proposes a measurable semantic 3D Gaussian Splatting (3DGS) framework with region and depth supervision for interactive building inspection from multi-view imagery. Mask-based region supervision suppresses irrelevant backgrounds and focuses optimization on target regions. Point-wise depth supervision guides Gaussian centers toward physical surfaces using reference geometry derived from multi-view stereo (MVS) point clouds, providing geometric anchors for measuring physical dimensions and areas. A semantic Gaussian field associates learnable class features with individual Gaussian primitives, enabling semantic rendering and component-level inspection. These capabilities are operationalized through AEC-SplatTwin, an interactive building inspection platform supporting real-time visualization, semantic analysis, quantitative measurement, and multimodal large language model (MLLM)-assisted interaction. On the synthetic UAV-inspection QuakeCity and smartphone-captured HKUPB datasets, the framework reduces Gaussian-center depth MAE by 58.1% and 86.8%, while its semantic field achieves mIoU values of 0.8529 and 0.8642. On HKUPB, the mean relative errors for height, width, and area measurements are 0.33%, 1.07%, and 0.60%. These results show that the proposed framework extends 3DGS beyond visual reconstruction into a measurable, semantically structured, and interactive engineering representation for building inspection.
- Abstract（参考訳）: 画像ベースの3D再構成は、ビルの検査とメンテナンスのためのスケーラブルな表現を提供する。
しかし、フォトリアリスティックな再構成だけでは、エンジニアリングアプリケーションに必要な幾何学的測定性、意味構造、インタラクティブな情報アクセスが完全には提供されない。
本研究では,多視点画像からの対話型ビルディングインスペクションのための領域・深度監視機能を備えた計測可能な意味的3Dガウススティング(3DGS)フレームワークを提案する。
マスクベースの領域監視は、無関係な背景を抑え、対象領域に最適化を集中させる。
点方向の深度監視は、多視点ステレオ(MVS)点雲から導かれた基準幾何学を用いて、ガウス中心を物理面へ誘導し、物理次元と面積を測定する幾何学的アンカーを提供する。
セマンティックガウスのフィールドは学習可能なクラス機能と個々のガウスのプリミティブを関連付け、セマンティックレンダリングとコンポーネントレベルのインスペクションを可能にする。
AEC-SplatTwinは、リアルタイム可視化、意味分析、定量的測定、マルチモーダル大言語モデル(MLLM)アシストインタラクションをサポートする対話型ビルダーインスペクションプラットフォームである。
UAV-inspection QuakeCityとスマートフォンでキャプチャしたHKUPBデータセットに基づいて、このフレームワークはガウス中心深度MAEを58.1%と86.8%削減し、セマンティックフィールドは0.8529と0.8642のmIoU値を達成する。
HKUPBでは、高さ、幅、面積の相対誤差の平均は0.33%、1.07%、0.60%である。
これらの結果から,提案フレームワークは3DGSを視覚的再構成を超えて,計測可能で意味的に構造化された対話的工学的表現に拡張し,インスペクションを構築できることが示唆された。
関連論文リスト
- MEGA: Object-Level Mesh Extraction from 3D Gaussian Splatting via Spatial Visual Distillation [26.11158859600897]
textbfMEGA (underlineMesh underlineExtraction from underlineGAussians)は、複雑な3DGSシーンからオブジェクトレベルの水密メッシュを抽出するフレームワークである。
MEGAは、オブジェクトレベル3Dの正確な占有を回復する上で、最先端の性能を達成する。
論文 参考訳（メタデータ） (2026-10-01T13:52:12Z) - Geometry-Grounded Unified 3D Perception for Autonomous Driving [36.11730832045922]
カメラベースの自律運転認識には、同期マルチカメラストリーム間のメートル法3D構造を保存する共有表現が必要である。
本稿では、VGGTの再構成指向の潜伏を校正・ストリーミング駆動シーンに適応させる、幾何グラウンドの統一3次元知覚フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-13T12:17:50Z) - Dual-Pathway Geometry-Aware MLLM for Spatial Intelligence [63.11502936651325]
本稿では,空間知能のための二経路幾何対応MLLMであるGAMSIを提案する。
RGB画像のみを入力とし、両方の幾何学的形態を統一された自己回帰バックボーン内に内包する。
GAMSIは、7つの空間インテリジェンスベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-25T01:33:19Z) - GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。
GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。
GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
論文 参考訳（メタデータ） (2026-05-19T12:08:09Z) - Boosting Multi-View Indoor 3D Object Detection via Adaptive 3D Volume Construction [10.569056109735735]
本研究では,適応型3次元ボリューム構造に基づく室内3次元物体検出フレームワークであるSGCDetを提案する。
各画像の適応領域に幾何学的・文脈的情報を統合するための幾何学的・文脈的アグリゲーションモジュールを導入する。
SGCDetは、ScanNet、ScanNet200、ARKitScenesデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-07-24T11:58:01Z) - Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation [54.04601077224252]
身近なシーン理解には、視覚空間情報の理解だけでなく、3D物理世界における次の探索場所の決定も必要である。
アンダーラインテキストbf3D視覚言語学習は、エンボディエージェントが環境を効果的に探索し理解することを可能にする。
モデルの汎用性は、カテゴリ、言語記述、参照イメージなど、多様な入力モダリティを使ったナビゲーションを可能にする。
論文 参考訳（メタデータ） (2025-07-05T14:15:52Z) - From Flight to Insight: Semantic 3D Reconstruction for Aerial Inspection via Gaussian Splatting and Language-Guided Segmentation [3.0477617036157136]
高忠実度3D再構成は, インフラ監視, 構造評価, 環境調査などの航空検査業務において重要である。
従来のフォトグラム法は幾何学的モデリングを可能にするが、意味論的解釈性に欠け、自動検査の有効性を制限している。
ニューラルレンダリングと3Dガウススプラッティング(3DGS)の最近の進歩は、効率的でフォトリアリスティックな再構築を提供するが、同様にシーンレベルの理解が欠如している。
言語誘導型3DセグメンテーションのためにFeature-3DGSを拡張するUAVベースのパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-23T02:35:46Z) - GRACE: Estimating Geometry-level 3D Human-Scene Contact from 2D Images [54.602947113980655]
人景接触の幾何レベルを推定することは、特定の接触面点を3次元の人間ジオメトリに接することを目的としている。
GRACE(Geometry-level Reasoning for 3D Human-scene Contact Estimation)は,3次元接触推定のための新しいパラダイムである。
ポイントクラウドエンコーダ/デコーダアーキテクチャと階層的特徴抽出と融合モジュールが組み込まれている。
論文 参考訳（メタデータ） (2025-05-10T09:25:46Z) - IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。
マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。
次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
論文 参考訳（メタデータ） (2025-04-09T12:36:48Z) - Towards Localizing Structural Elements: Merging Geometrical Detection with Semantic Verification in RGB-D Data [0.0]
本稿では, 壁面や地表面などの構造成分を局所化するための実時間パイプラインについて, 純三次元平面検出のための幾何計算を統合した。
並列なマルチスレッドアーキテクチャを持ち、環境中で検出されたすべての平面のポーズと方程式を正確に推定し、汎視的セグメンテーション検証を用いて地図構造を形成するものをフィルタリングし、検証された構成部品のみを保持する。
また、検出されたコンポーネントを統一された3次元シーングラフに(再)関連付けることで、幾何学的精度と意味的理解のギャップを埋めることもできる。
論文 参考訳（メタデータ） (2024-09-10T16:28:09Z)
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。