HyperAIHyperAI

Command Palette

Search for a command to run...

Sat2Density: التعلم الدقيق لكثافة الصور من أزواج الصور الفضائية-الأرضية

Ming Qian Jincheng Xiong Gui-Song Xia Nan Xue

الملخص

يهدف هذا البحث إلى تطوير تمثيل هندسي دقيق ثلاثي الأبعاد للصور الفضائية باستخدام أزواج الصور الفضائية-الأرضية. نركز على المشكلة الصعبة المتمثلة في تركيب مشاهد أرضية واعية بالبعد الثالث من صورة قمر صناعي. نستلهم من تمثيل حقل الكثافة المستخدم في التحويل العصبي الحجمي ونقترح منهجًا جديدًا يُسمى Sat2Density (سات2كثافة). يستخدم منهجنا خصائص المشاهد الأرضية البانورامية لمناطق السماء والمناطق غير السماء لتعلم حقول كثافة دقيقة للمشاهد ثلاثية الأبعاد من وجهة نظر هندسية. على عكس الأساليب الأخرى التي تتطلب معلومات عمق إضافية أثناء التدريب، يمكن لـ Sat2Density (سات2كثافة) تعلم الهندسة ثلاثية الأبعاد بدقة وأمانة عبر تمثيل الكثافة دون إشراف بالعمق. يساهم هذا التقدم بشكل كبير في تحسين مهمة تركيب المشاهد الأرضية البانورامية. بالإضافة إلى ذلك، يقدم بحثنا وجهة نظر هندسية جديدة لفهم العلاقة بين الصور الفضائية والمشاهد الأرضية في الفضاء الثلاثي الأبعاد.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp