Ver a través de imágenes satelitales a nivel de calle

Área de la Ciencia:

• Visión por Computadora
• Gráficos por Computadora
• Aprendizaje Automático

Sus antecedentes:

• La síntesis de vistas a nivel de calle a partir de imágenes satelitales es un desafío debido a las vistas dispersas y los grandes cambios de puntos de vista.
• Los métodos existentes tienen dificultades con la renderización fotorrealista y la consistencia de los puntos de vista.

Objetivo del estudio:

• Desarrollar un enfoque novedoso para la síntesis fotorrealista de panoramas a nivel de calle a partir de imágenes satelitales.
• Abordar los desafíos del aprendizaje de vistas dispersas y las variaciones extremas de puntos de vista.

Principales métodos:

• Aprendizaje de un campo de radiancia neuronal condicionado por imágenes satelitales a partir de imágenes emparejadas de satélite y vistas a nivel de calle.
• Modelado de elementos específicos de la vista a nivel de calle, como el cielo y los efectos de iluminación, utilizando redes neuronales.
• Introducción del enfoque Sat2Density++ para mejorar la renderización de panoramas.

Principales resultados:

• Sat2Density++ renderiza con éxito panoramas fotorrealistas a nivel de calle.
• Los panoramas generados son consistentes en múltiples vistas.
• Las imágenes sintetizadas se mantienen fieles a la imagen satelital de entrada.
• Evaluado en conjuntos de datos urbanos y suburbanos, demostrando un rendimiento sólido.

Conclusiones:

• Sat2Density++ sintetiza eficazmente panoramas de alta fidelidad a nivel de calle a partir de datos satelitales.
• El método supera los desafíos clave en la síntesis entre vistas.
• Este trabajo avanza el estado del arte en la generación de imágenes de satélite a vista a nivel de calle.