4 个月前

Sat2Density:从卫星-地面图像对中忠实学习密度

Sat2Density:从卫星-地面图像对中忠实学习密度

摘要

本文旨在利用卫星-地面图像对开发一种精确的三维几何表示方法,以生成具有三维意识的地面视图。我们关注的是从卫星图像中合成地面视图这一具有挑战性的问题。受体积神经渲染中密度场表示的启发,我们提出了一种新的方法,称为Sat2Density。该方法利用地面全景图在天空区域和非天空区域的特性,从几何角度学习三维场景的真实密度场。与其他需要额外深度信息进行训练的方法不同,我们的Sat2Density可以通过密度表示自动学习准确且真实可靠的三维几何结构,而无需深度监督。这一进展显著提升了地面全景图合成任务的效果。此外,我们的研究还提供了一种新的几何视角来理解卫星图像与地面视图图像在三维空间中的关系。

代码仓库

qianmingduowan/Sat2Density
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
cross-view-image-to-image-translation-on-7Sat2Density
LPIPS: 0.3842

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
Sat2Density:从卫星-地面图像对中忠实学习密度 | 论文 | HyperAI超神经