論文の概要: Aerial Content-Aware Sample-Adaptive Classifier for Urban Photogrammetric Point Cloud Segmentation

• arxiv url: http://arxiv.org/abs/2611.02844v1
• Date: Mon, 02 Nov 2026 09:45:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:54:48.580499
• Title: Aerial Content-Aware Sample-Adaptive Classifier for Urban Photogrammetric Point Cloud Segmentation
• Title（参考訳）: 都市光グラム化点雲分割のための航空コンテンツ対応サンプル適応分類器
• Abstract要約: 都市光度測定点雲は、一般的に局所的な3Dパッチとして処理される。 航空コンテンツ対応サンプル適応(ACASAC)について紹介する。 ACASACはプロジェクション内のシーン・ツー・ローカルの変動と、アライメントされた2Dと3Dの表現の相違をモデル化する。
• 参考スコア（独自算出の注目度）: 6.543463055466941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban photogrammetric point clouds are commonly processed as local 3D patches, limiting the context available for distinguishing geometrically similar categories. Orthographic projection of the same data yields a co-registered digital orthophoto map (DOM)/RGB-D representation that supports efficient large-context modeling but compresses vertical geometry. Existing projection--point methods mainly fuse these two representations at the feature level while retaining a classifier shared across all samples. We present the Aerial Content-Aware Sample-Adaptive Classifier (ACASAC), which complements feature fusion with decision-level adaptation. A point-aligned aerial region bridges the full aerial crop and local 3D patch. ACASAC models scene-to-local variation within the projection and the representation discrepancy between aligned 2D and 3D supports, then transfers both relations to refine the local point class representation. The refined representation, scene-level aerial context, and fixed fused-head prior jointly form a classifier for the current sample. ACASAC improves the fixed dual-representation head by 2.1 and 2.7 mIoU points on SensatUrban and UrbanBIS, respectively, and by 2.1--2.3 points across four tested encoder combinations.
• Abstract（参考訳）: 都市光度測定点雲は局所的な3Dパッチとして一般的に処理され、幾何学的に類似したカテゴリを区別するためのコンテキストが制限される。 同じデータのオーソグラフィ投影は、効率的な大テキストモデリングをサポートするが垂直幾何学を圧縮する、共登録のデジタル正光マップ(DOM)/RGB-D表現をもたらす。 既存のプロジェクション-ポイントメソッドは、主にこれらの2つの表現を特徴レベルで融合し、すべてのサンプル間で共有される分類器を保持します。 本稿では,Aerial Content-Aware Sample-Adaptive Classifier (ACASAC)について述べる。 ポイントアラインな空中領域は、完全な空中作物と局所的な3Dパッチをブリッジする。 ACASACはプロジェクション内のシーン・ツー・ローカルの変動と、アライメントされた2Dと3Dの間の表現の相違をモデル化し、両方の関係を変換して局所的なポイントクラス表現を洗練させる。 洗練された表現、シーンレベルの空気コンテキスト、固定された融合ヘッドは、現在のサンプルの分類器を共同で形成する。 ACASACは、SensatUrbanとUrbanBISの2.1mIoUポイントと2.7mIoUポイントを、4つの試験エンコーダの組み合わせで2.1--2.3ポイント改善している。

関連論文リスト

• From Alignment to Fusion in 3D Vision-Language [30.65499823418563]
  統一された3次元視覚言語システムは、相補的な幾何学、スケール、外観を組み合わせなければならない。 既存の方法は、独立してポイントクラウド、ボクセルグリッド、マルチビューイメージを処理していることが多い。 本稿では,三重対コサインアライメントを適用し,セグメントレベルの対応性を確立するアライメント・テーマ・フューズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-23T14:52:14Z)
• Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
  本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。 従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。 我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
  論文  参考訳（メタデータ） (2026-01-05T18:33:50Z)
• SegMASt3R: Geometry Grounded Segment Matching [23.257530861472656]
  我々は3次元基礎モデルの空間的理解を活用して,広義のセグメントマッチングに取り組む。 本稿では,これら3次元基礎モデルの帰納バイアスを利用して,最大180度の視点変化回転で画像対間のセグメントをマッチングするアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-06T17:31:32Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• SecondPose: SE(3)-Consistent Dual-Stream Feature Fusion for Category-Level Pose Estimation [79.12683101131368]
  カテゴリーレベルのオブジェクトのポーズ推定は、既知のカテゴリから6次元のポーズと3次元の大きさを予測することを目的としている。 我々は、DINOv2のセマンティックカテゴリにオブジェクト固有の幾何学的特徴を統合する新しいアプローチであるSecondPoseを提案する。
  論文  参考訳（メタデータ） (2023-11-18T17:14:07Z)
• Contour Context: Abstract Structural Distribution for 3D LiDAR Loop Detection and Metric Pose Estimation [31.968749056155467]
  本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。 我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。 検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
  論文  参考訳（メタデータ） (2023-02-13T07:18:24Z)
• Similarity-Aware Fusion Network for 3D Semantic Segmentation [87.51314162700315]
  本研究では,3次元セマンティックセグメンテーションのための2次元画像と3次元点雲を適応的に融合する類似性認識融合ネットワーク(SAFNet)を提案する。 我々は、入力とバックプロジェクションされた(2Dピクセルから)点雲の間の幾何学的および文脈的類似性を初めて学習する、後期融合戦略を採用している。 SAFNetは、様々なデータ完全性にまたがって、既存の最先端の核融合ベースのアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2021-07-04T09:28:18Z)

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。