論文の概要: Efficacy of Monocular Depth Estimation in Lunar Environments

• arxiv url: http://arxiv.org/abs/2610.38080v1
• Date: Tue, 27 Oct 2026 23:52:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 18:53:45.419766
• Title: Efficacy of Monocular Depth Estimation in Lunar Environments
• Title（参考訳）: 月経環境における単眼深度推定の有効性
• Abstract要約: 近年の単眼深度推定の進歩は、分布領域内における高精度な3次元再構成を証明している。 本研究では,NASA Ames Polar Lunar Analog Reconstruction (POLAR) ステレオデータセットとアポロ17号の月面画像を用いて,分布外の月面環境を再構築するための最先端アプローチの有効性について検討した。 以上の結果から, 比較的高忠実な月面の3次元再構成を行うことが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.5161531917413708
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in monocular depth estimation have demonstrated highly accurate 3D reconstructions within in-distribution terrestrial domains. This study investigates the efficacy of several state-of-the-art approaches to reconstruct out-of-distribution lunar environments using the NASA Ames Polar Optical Lunar Analog Reconstruction (POLAR) stereo dataset and Apollo 17 surface imagery. By leveraging these datasets, we establish a robust analog-to-field validation pipeline that evaluates quantitative performance against ground-truth physical analogs and qualitative performance against historical field data. Our results indicate that select state-of-the-art techniques can successfully generalize to produce high-fidelity relative 3D reconstructions of the unstructured lunar surface.
• Abstract（参考訳）: 近年の単眼深度推定の進歩は、分布領域内における高精度な3次元再構成を証明している。 本研究では,NASA Ames Polar Lunar Analog Reconstruction (POLAR) ステレオデータセットとアポロ17号の月面画像を用いて,分布外の月面環境を再構築するための最先端アプローチの有効性について検討した。 これらのデータセットを活用することで、地上の物理アナログに対する定量的な性能と、歴史的フィールドデータに対する定性的な性能を評価する、堅牢なアナログ対フィールド検証パイプラインを構築した。 以上の結果から,非構造月面の高忠実度3次元再構成を実現するために,最先端技術が有効に実現できることが示唆された。

関連論文リスト

• Sparse-View Surface Reconstruction using Gaussian Splatting through High-Confidence Depth Propagation with Normal Priors [88.6801530914898]
  スパースビューからの高忠実度表面再構成のための3DGSに基づく新しい手法を提案する。 我々の重要な洞察は、通常の誘導深度伝播アプローチを導入することである。 本手法は,スパース・ビュー・サーフェス・コンストラクションにおける最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2026-07-04T08:33:40Z)
• Neural 3D Reconstruction of Planetary Surfaces from Descent-Phase Wide-Angle Imagery [5.951239817915668]
  本稿では,惑星降下イメージングのための最新の神経再構成法について紹介する。 我々は,強烈な先行性を提供する明示的な神経高野表現を取り入れた新しいアプローチを開発する。 高忠実な月と火星の地形上での擬似降下系列の実験は、提案手法が空間被覆を増大させることを実証している。
  論文  参考訳（メタデータ） (2026-04-14T19:06:22Z)
• LuMon: A Comprehensive Benchmark and Development Suite with Novel Datasets for Lunar Monocular Depth Estimation [10.338068283985413]
  月探査のためのMDE手法を評価するための総合的なベンチマークフレームワークであるLuMonについて述べる。 本稿では,実際のChang'e-3ミッションとCHERIダークアナログデータセットから,高品質なステレオグラウンド真理深度を特徴とする新しいデータセットを紹介する。 私たちは、クレーター、岩、極端な陰影、そして様々な深さ範囲といったミッションクリティカルな課題に対して、パフォーマンスを厳格に評価します。
  論文  参考訳（メタデータ） (2026-04-10T14:24:07Z)
• High-fidelity lunar topographic reconstruction across diverse terrain and illumination environments using deep learning [4.190898032627423]
  この研究は、より堅牢なスケール回復スキームを取り入れた、以前に提案されたDLフレームワークを基盤としている。 様々なスケール、形態学、地質学的年齢の月の地形を確実に再構築する。 これらの結果は、DLベースのアプローチは、高度な探査ミッションを支援するために広範囲な月面データセットを活用する可能性があることを示唆している。
  論文  参考訳（メタデータ） (2026-01-14T13:21:09Z)
• Adapting Stereo Vision From Objects To 3D Lunar Surface Reconstruction with the StereoLunar Dataset [0.12314765641075437]
  月の最初のステレオ画像ペアのオープンデータセットであるLunarStereoを紹介する。 月面の南極周辺の様々な高度、照明条件、視角をカバーしている。 我々はLunarStereoの微調整によりMASt3Rモデルを月領域に適応させる。
  論文  参考訳（メタデータ） (2025-10-20T23:50:52Z)
• Seurat: From Moving Points to Depth [66.65189052568209]
  本研究では,2次元軌跡の空間的関係と時間的変化を調べ,相対的な深度を推定する手法を提案する。 提案手法は,様々な領域にわたる時間的スムーズかつ高精度な深度予測を実現する。
  論文  参考訳（メタデータ） (2025-04-20T17:37:02Z)
• Multi-view Reconstruction via SfM-guided Monocular Depth Estimation [92.89227629434316]
  マルチビュー幾何再構成のための新しい手法を提案する。 深度推定プロセスに、より強力なマルチビューであるSfM情報を組み込む。 本手法は, 従来の単分子深度推定法と比較して, 深度推定の精度を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-18T17:54:06Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Multi-Modal Learning-based Reconstruction of High-Resolution Spatial Wind Speed Fields [46.72819846541652]
  本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。 この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
  論文  参考訳（メタデータ） (2023-12-14T13:40:39Z)
• Robust Geometry-Preserving Depth Estimation Using Differentiable Rendering [93.94371335579321]
  我々は、余分なデータやアノテーションを必要とせずに、幾何学保存深度を予測するためにモデルを訓練する学習フレームワークを提案する。 包括的な実験は、我々のフレームワークの優れた一般化能力を強調します。 我々の革新的な損失関数は、ドメイン固有のスケール・アンド・シフト係数を自律的に復元するモデルを可能にします。
  論文  参考訳（メタデータ） (2023-09-18T12:36:39Z)

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。