Automatic occlusion removal from 3D maps for maritime situational awareness

要約

特に大規模な海洋環境におけるオクルージョンの除去をターゲットとした、3D 地理空間モデルを更新するための新しい方法を紹介します。
従来の 3D 再構成技術では、実際の環境を曖昧にする車や船舶などの動的オブジェクトの問題に直面することが多く、モデルが不正確になったり、大規模な手動編集が必要になったりします。
私たちのアプローチでは、インスタンス セグメンテーションや生成修復などの深層学習技術を活用して、コストのかかる再処理を必要とせずに 3D メッシュのテクスチャとジオメトリの両方を直接変更します。
遮蔽オブジェクトを選択的にターゲットにし、静的要素を保存することにより、この方法は幾何学的精度と視覚的精度の両方を向上させます。
このアプローチは、地図データの構造およびテクスチャの詳細を保存するだけでなく、現在の地理空間標準との互換性も維持し、多様なデータセットにわたって堅牢なパフォーマンスを保証します。
結果は、3D モデルの忠実度が大幅に向上したことを示しており、この方法は海洋状況の認識や補助情報の動的な表示に非常に応用可能です。

要約(オリジナル)

We introduce a novel method for updating 3D geospatial models, specifically targeting occlusion removal in large-scale maritime environments. Traditional 3D reconstruction techniques often face problems with dynamic objects, like cars or vessels, that obscure the true environment, leading to inaccurate models or requiring extensive manual editing. Our approach leverages deep learning techniques, including instance segmentation and generative inpainting, to directly modify both the texture and geometry of 3D meshes without the need for costly reprocessing. By selectively targeting occluding objects and preserving static elements, the method enhances both geometric and visual accuracy. This approach not only preserves structural and textural details of map data but also maintains compatibility with current geospatial standards, ensuring robust performance across diverse datasets. The results demonstrate significant improvements in 3D model fidelity, making this method highly applicable for maritime situational awareness and the dynamic display of auxiliary information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google