Sat2Density：基于卫星-地面图像对的忠实密度学习
计算机视觉与模式识别
2023-08-30 v2
摘要
本文旨在利用卫星-地面图像对开发卫星图像的精确三维几何表示。我们的重点是从卫星图像合成具有三维感知的地面视图这一挑战性问题。我们从体渲染中使用的密度场表示获得启发，提出了一种称为 Sat2Density 的新方法。我们的方法利用地面全景图中天空与非天空区域的特性，从几何视角学习三维场景的忠实密度场。与其他需要在训练中使用额外深度信息的方法不同，我们的 Sat2Density 无需深度监督即可通过密度表示自动学习准确且忠实的三维几何。这一进展显著改进了地面全景图合成任务。此外，我们的研究为理解卫星与地面视图图像在三维空间中的关系提供了新的几何视角。
引用
@article{arxiv.2303.14672,
title = {Sat2Density: Faithful Density Learning from Satellite-Ground Image Pairs},
author = {Ming Qian and Jincheng Xiong and Gui-Song Xia and Nan Xue},
journal= {arXiv preprint arXiv:2303.14672},
year = {2023}
}
备注
ICCV 2023, project page: https://sat2density.github.io/, code: https://github.com/qianmingduowan/Sat2Density