論文の概要: OrTeN: Neural Inverse Graphics for Joint Terrain and Line-scan Camera Trajectory Reconstruction

• arxiv url: http://arxiv.org/abs/2610.24075v1
• Date: Fri, 16 Oct 2026 18:02:42 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:54:09.63842
• Title: OrTeN: Neural Inverse Graphics for Joint Terrain and Line-scan Camera Trajectory Reconstruction
• Title（参考訳）: OrTeN: 関節領域とラインスキャンカメラ軌道再構成のためのニューラル逆グラフ
• Abstract要約: この研究は、ニューラルネットワークを用いたDTM構築手法であるOrbital Terrain Networks (OrTeN)を導入し、テクスチャ化された高さマップと軌道カメラ補正をラインスキャン衛星画像から共同で最適化する。 OrTeNは、放射率(I/F)で表される画素値で校正されたラインスキャン画像を直接操作し、トレーニング中に表面再構成と連動して広軌のポーズ不整合と高周波ポインティングジッタを補正する。 半経験的反射率モデルと影のレンダリングは、太陽の照度が異なるマルチ日付画像から表面の外観に適合するために用いられる。
• 参考スコア（独自算出の注目度）: 14.832258194433093
• License:
• Abstract: Digital terrain maps (DTMs) are used for landing site selection, terrain-relative navigation, and geological analysis in planetary exploration. Existing state-of-practice reconstruction techniques for creating DTMs from satellite imagery use multi-view stereo, requiring complex pipelines for dealing with camera error, changing illumination, and images with limited disparity. This work introduces Orbital Terrain Networks (OrTeN), a DTM construction method that uses neural inverse rendering to jointly optimize a textured height map and orbital camera corrections from line-scan satellite images. OrTeN operates directly on calibrated line-scan images with pixel values expressed as radiance factor (I/F) and corrects both broad trajectory pose inconsistencies and high-frequency pointing jitter jointly with surface reconstruction during training. Surface-projected patch normalized cross-correlation (NCC) enforces consistency between observations of the same terrain, refining an initial rough reconstruction. A semi-empirical reflectance model and shadow rendering are used to fit surface appearance from multi-date imagery with differing solar illumination. OrTeN requires only calibrated line-scan images and initial camera poses and does not use any structural priors including ranging/depth measurements or initial rough DTMs. OrTeN is evaluated on four planetary imagery datasets. Aligned terrain RMSEs are 2.35 m at Jezero Crater, 2.82 m at Gale Crater, 16.18 m at Olympus Mons, and 0.43 m at McGetchin Crater.
• Abstract（参考訳）: デジタル地形地図(DTM)は、着陸地点の選択、地形関連航法、惑星探査における地質学的解析に用いられている。 衛星画像からDTMを作成するための既存の実用的再構築技術は、多視点ステレオを使用しており、カメラエラーの処理、照明の変更、画像の差が限定されている複雑なパイプラインを必要とする。 この研究は、ニューラルネットワークを用いたDTM構築手法であるOrbital Terrain Networks (OrTeN)を導入し、テクスチャ化された高さマップと軌道カメラ補正をラインスキャン衛星画像から共同で最適化する。 OrTeNは、放射率(I/F)で表される画素値で校正されたラインスキャン画像を直接操作し、トレーニング中に表面再構成と連動して広軌のポーズ不整合と高周波ポインティングジッタを補正する。 表面投影パッチ正規化クロス相関(NCC)は、同じ地形の観測間での一貫性を強制し、初期の粗い復元を精査する。 半経験的反射率モデルと影のレンダリングは、太陽の照度が異なるマルチ日付画像から表面の外観に適合するために用いられる。 OrTeNはキャリブレーションされたラインスキャン画像と初期カメラのポーズしか必要とせず、レンジ/深度測定や初期の粗いDTMなど、いかなる構造的事前情報も使用していない。 OrTeNは4つの惑星画像データセットで評価される。 RMSEはジェゼロ・クレーターで2.35m、ガレ・クレーターで2.82m、オリンポス・モンズで16.18m、マグレッチン・クレーターで0.43mである。

関連論文リスト

• From Mono to Stereo: Accelerating Binocular Gaussian Splatting via Reprojection and Selective Patching [1.9773684168239962]
  本稿では、支配的なRGB画像とアルファ重み付き深度プロキシを描画し、その画像を関連眼に再投影し、未発見ピクセルを修復する2DGSパイプラインを提案する。 DTUタンクとテンプルとMipNeRF-360では、シーケンシャルな2パスの双眼鏡参照の計測時間を15.5%から28.8%、ピークのGPUメモリを6%から11%削減する。
  論文  参考訳（メタデータ） (2026-09-25T03:11:46Z)
• Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
  SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。 鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
  論文  参考訳（メタデータ） (2026-08-12T11:25:31Z)
• OrthoTrack: Continuous 6-DoF UAV Trajectory Estimation Anchored in Public Orthophotos [76.81099730054356]
  トレーニング不要なOrthoTrackを提案する。このシステムは6-DoFトラジェクトリの連続を,事前の地図として利用可能なオプティカルフォトとサーフェスモデルのみを用いて推定する。 movingDroneと現実世界のベンチマークでは、OrthoTrackは1つのGPUでリアルタイムに実行される。オラクルのスケールとアライメントを受ける場合でも、すべてのベースラインを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2026-06-24T00:05:01Z)
• ZeD-MAP: Bundle Adjustment Guided Zero-Shot Depth Maps for Real-Time Aerial Imaging [1.9247157750972368]
  ZeD-MAPは、テスト時間拡散深さモデルをメトリック一貫性のあるSLAMのようなマッピングパイプラインに変換する、クラスタレベルのフレームワークである。 本手法は,水平(XY)平面で約0.87m,垂直(Z)方向で約0.12mの誤差で,サブメーター精度を実現する。 結果は手動のポイントクラウドアノテーションから小さなノイズを受けます。
  論文  参考訳（メタデータ） (2026-04-06T13:21:17Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Construction of Digital Terrain Maps from Multi-view Satellite Imagery using Neural Volume Rendering [16.61956311882373]
  衛星画像から直接テクスチャ化されたデジタル地形図を学習するために、ニューラルネットワークのボリュームレンダリング技術を適用する。 我々は、地球と火星の合成衛星データと実際の衛星データの両方について、我々の手法を実証する。 提案手法は,衛星画像の解像度とほぼ等しい地形予測精度で,有望な結果を示す。
  論文  参考訳（メタデータ） (2025-08-02T14:29:20Z)
• LaRI: Layered Ray Intersections for Single-view 3D Geometric Reasoning [75.9814389360821]
  層状光線交差(LaRI)は、1つの画像から未知の幾何学的推論を行う新しい方法である。 コンパクトで階層的な表現から恩恵を受けることで、LaRIは完全で効率的でビュー整合な幾何学的推論を可能にする。 3Dオブジェクトやシーンを含む、合成および実世界のデータのための完全なトレーニングデータ生成パイプラインを構築します。
  論文  参考訳（メタデータ） (2025-04-25T15:31:29Z)
• SiLVR: Scalable Lidar-Visual Radiance Field Reconstruction with Uncertainty Quantification [0.6445605125467574]
  本稿では,ライダーと視覚データを融合したNeRFを用いた大規模再構成システムを提案する。 我々のシステムはライダーを組み込むために最先端のNeRF表現を採用する。 ライダーデータを追加すると、深さと表面の正規値に強い幾何学的制約が加わる。
  論文  参考訳（メタデータ） (2025-02-04T19:00:49Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Photometric Multi-View Mesh Refinement for High-Resolution Satellite Images [24.245977127434212]
  最先端の復元手法は一般的に2.5次元の標高データを生成する。 マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-10T20:37:54Z)

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。