論文の概要: Benchmarking 3D Reconstruction for Under-Ice Robotic Perception in Arctic Environments

• arxiv url: http://arxiv.org/abs/2610.19097v1
• Date: Tue, 13 Oct 2026 19:34:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.772485
• Title: Benchmarking 3D Reconstruction for Under-Ice Robotic Perception in Arctic Environments
• Title（参考訳）: 北極環境における水中ロボット知覚のための3次元再構築のベンチマーク
• Abstract要約: 本報告では,MOSAiC探査による実世界のデータと,Unreal Engineを用いた水中ロボットシミュレータで生成された合成データを用いて,視覚に基づく3次元3次元再構成のベンチマークを行う。
• 参考スコア（独自算出の注目度）: 3.5638260565505213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the Arctic transitions toward a seasonally ice-free state, capturing the complex morphology of submerged sea ice is crucial for advancing models of ocean-ice-atmosphere heat exchange and monitoring under-ice habitats. Currently, sub-surface ice mapping is predominantly achieved through acoustic sensors such as multibeam sonar. While sonar provides robust large-scale geometry, it lacks spectral and high-resolution textural information required to record fine morphological features - a critical limitation in under-ice environments, where sparse visual features and degraded sensing conditions challenge the capture of detailed structural and optical surface properties. We present a benchmark for vision-based under-ice 3D reconstruction using real-world data from the MOSAiC expedition and synthetic data generated in an Unreal Engine-based underwater robotics simulator. The benchmark evaluates Structure-From-Motion (SfM) and monocular depth estimation, with quantitative comparison enabled through cross-modal registration to upward-looking multibeam sonar.
• Abstract（参考訳）: 北極が季節的に氷のない状態に移行するにつれて、海氷の複雑な形態を捉えることは、海洋-氷-大気熱交換のモデルを進め、氷下の生息地を監視するために重要である。 現在では,マルチビームソナーなどの音響センサを用いて,地下氷のマッピングが主流となっている。 ソナーはロバストな大規模な幾何学を提供するが、微細な形態的特徴を記録するのに必要なスペクトルと高解像度のテクスチャ情報を欠いている。 本報告では,MOSAiC探査による実世界のデータと,Unreal Engineを用いた水中ロボットシミュレータで生成された合成データを用いて,視覚に基づく3次元3次元再構成のベンチマークを行う。 このベンチマークは、上向きのマルチビームソナーへのクロスモーダル登録によって定量的な比較が可能となり、Structure-From-Motion (SfM) とモノクル深度推定を評価する。

関連論文リスト

• Warping Earth Observations for better ice labeling in the Marginal Marginal Ice Zone [2.0216691631625276]
  マルチモーダル衛星画像は、地球観測のための補完的な情報を提供する。 不均一なセンサーを正確に組み合わせることは 動的環境において困難です 南極の縁氷帯のような急激な変化は、マルチモーダル情報を完全に活用することはできない。 本稿では,マルチサテライトシーンを整列させるための相互情報ワープに基づく新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-08-12T10:09:53Z)
• Wat3R: Underwater 3D Geometry Learning without Annotations [58.91163632674025]
  水中環境における3D形状の推定は、光の減衰、散乱、大規模で高品質な3Dアノテーションの欠如による固有の課題を示す。 本稿では,空中から水中へのフィードフォワード3D再構成モデルの適用を目的とした,クロスドメイン半教師付き学習フレームワークWat3Rを提案する。
  論文  参考訳（メタデータ） (2026-07-09T17:59:58Z)
• Rethinking Conditional Generation for Underwater Salient Object Detection [69.38806804258452]
  コンディショナル・ジェネレーション・ネットワーク(DCGNet)は、水中のサリエンシ生成のための信頼性の高いコンディショナル・特徴を構築するために設計されている。 DCGNetは既存の最先端手法を著しく上回り、複雑な水中視覚応用の可能性を検証している。
  論文  参考訳（メタデータ） (2026-07-02T07:48:06Z)
• An Adaptive Spatiotemporal Clustering Framework for 3D Ocean Subsurface Temperature Reconstruction [31.24880527218282]
  本研究では,海洋表面温度(OST)の構造的依存性と時間的変動パターンの両方を捉える適応的枠組みを提案する。 このフレームワークを様々なディープラーニングモデルに組み込むことで、OSTフィールドをグローバルスケールで正確に再構築することができる。 実験により,本フレームワークを用いた複数の深層学習手法が元の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-04-21T09:32:37Z)
• BALTIC: A Benchmark and Cross-Domain Strategy for 3D Reconstruction Across Air and Underwater Domains Under Varying Illumination [6.8920172327690175]
  BALTIC(Baltic, BALTIC, BALTIC)は, 近代的な3次元再構成手法を中・光の変動下で評価するためのベンチマークである。 このベンチマークは、2つのメディア(空気と水)と3つの照明条件(周囲、人工、混合)にまたがる13のデータセットで構成されている。 類似の照明条件下で観測された少数の水中ビューで水中画像列を増大させることにより、ドメイン間再構築を検討する。
  論文  参考訳（メタデータ） (2026-04-21T06:32:07Z)
• High-resolution probabilistic estimation of three-dimensional regional ocean dynamics from sparse surface observations [0.0]
  海洋内部は地球の気候を規制するが、in situの観測が限られているため、わずかに観測されている。 本研究では,高分解能な3次元海洋環境を極端に粗い表面データから再構築するための深度認識型生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-03T08:10:55Z)
• A Rapid GeoSAM-Based Workflow for Multi-Temporal Glacier Delineation: Case Study from Svalbard [51.56484100374058]
  我々は,Sentinel-2画像からの氷河の高速デライン化のためのGeoSAMに基づく半自動ワークフローを提案する。 その結果, 本手法は, 主要な氷河体に対して, 空間的に一貫性があり, 時間的に一貫した輪郭を生じさせることが示唆された。 導出RGB画像への依存により、他の光学データセットに柔軟で転送可能である。
  論文  参考訳（メタデータ） (2025-12-28T09:42:01Z)
• Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset [76.92197418745822]
  カモフラージュされたインスタンスセグメンテーション(CIS)は、周囲と密接に融合したオブジェクトを正確にセグメンテーションする際の大きな課題に直面します。 従来のカモフラージュされたインスタンスセグメンテーション法は、水中のサンプルが限られている地球上で支配的なデータセットに基づいて訓練されており、水中のシーンでは不十分な性能を示す可能性がある。 本研究は,海中カモフラージュされた海洋生物の3,953枚の画像とインスタンスレベルのアノテーションを含む,最初の水中カモフラージュされたインスタンスセグメンテーションデータセットUCIS4Kを紹介する。
  論文  参考訳（メタデータ） (2025-10-20T14:34:51Z)
• UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
  ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。 再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
  論文  参考訳（メタデータ） (2024-10-10T16:33:56Z)
• Zero123-6D: Zero-shot Novel View Synthesis for RGB Category-level 6D Pose Estimation [66.3814684757376]
  本研究は,RGB 6Dのカテゴリレベルでのポーズ推定を向上するための拡散モデルに基づく新規ビュー合成器の実用性を示す最初の研究であるZero123-6Dを示す。 本手法は,データ要求の低減,ゼロショットカテゴリレベルの6Dポーズ推定タスクにおける深度情報の必要性の除去,およびCO3Dデータセットの実験により定量的に示された性能の向上を示す。
  論文  参考訳（メタデータ） (2024-03-21T10:38:18Z)

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。