日本語タイトル#
CM2LoD3：セマンティックコンフリクトマップを使用した LoD3 建物モデルの再構築
英文タイトル#
CM2LoD3: Reconstructing LoD3 Building Models Using Semantic Conflict Maps
日本語摘要#
詳細な 3D 建物モデルは、都市計画、デジタルツイン、災害管理アプリケーションにとって重要です。 Level of Detail 1 (LoD) 1 および LoD2 建物モデルは広く利用可能ですが、高度な都市分析に必要な詳細なファサード要素が欠けています。 これに対して、LoD3 モデルは窓、ドア、地下道などのファサード要素を取り入れることでこの制限に対処します。 しかし、その生成は伝統的に手動モデリングを必要とし、大規模な採用が困難です。本研究では、CM2LoD3 として、レイからモデルへの事前分析から得られたコンフリクトマップ（CMs）を利用して LoD3 建物モデルを再構築する新しい方法を提案します。 以前の研究とは異なり、私たちは開発したセマンティックコンフリクトマップジェネレーター（SCMG）から生成された合成 CMs を使用して、現実世界の CMs をセマンティックにセグメンテーションすることに集中しています。 また、テクスチャモデルの追加セグメンテーションを CMs と融合させることで、セグメンテーション性能をさらに向上させ、3D 再構築精度を高めることができることも観察しました。 実験結果は、私たちの CM2LoD3 方法が建物の開口部のセグメンテーションと再構築において効果的であり、セグメント化された建物テクスチャの不確実性を考慮した融合性能が 61% であることを示しています。 この研究は、LoD3 モデル再構築の自動化の進展に寄与し、スケーラブルで効率的な 3D 都市モデリングへの道を開きます。 私たちのプロジェクトは利用可能です：https://github.com/InFraHank/CM2LoD3
英文摘要#
Detailed 3D building models are crucial for urban planning, digital twins, and disaster management applications. While Level of Detail 1 (LoD)1 and LoD2 building models are widely available, they lack detailed facade elements essential for advanced urban analysis. In contrast, LoD3 models address this limitation by incorporating facade elements such as windows, doors, and underpasses. However, their generation has traditionally required manual modeling, making large-scale adoption challenging. In this contribution, CM2LoD3, we present a novel method for reconstructing LoD3 building models leveraging Conflict Maps (CMs) obtained from ray-to-model-prior analysis. Unlike previous works, we concentrate on semantically segmenting real-world CMs with synthetically generated CMs from our developed Semantic Conflict Map Generator (SCMG). We also observe that additional segmentation of textured models can be fused with CMs using confidence scores to further increase segmentation performance and thus increase 3D reconstruction accuracy. Experimental results demonstrate the effectiveness of our CM2LoD3 method in segmenting and reconstructing building openings, with the 61% performance with uncertainty-aware fusion of segmented building textures. This research contributes to the advancement of automated LoD3 model reconstruction, paving the way for scalable and efficient 3D city modeling. Our project is available: https://github.com/InFraHank/CM2LoD3
文章ページ#
CM2LoD3：セマンティックコンフリクトマップを使用した LoD3 建物モデルの再構築
PDF 获取#
抖音扫码查看更多精彩内容