Yapılandırılmış binaları sınırlı gözlemlerden soyutlamak, 3 boyutlu kentsel modelleme ve dijital ikizler için çok önemlidir. Aynı binanın kısmi nokta bulutları ve üstten görüntüleri, tamamlanmamış 3 boyutlu yüzey ölçümleri ve sırasıyla ayak izi, çatı geometrisi ve çatı yapıları hakkında görsel ipuçları sağlar. Bu, geometrik ve görsel ipuçlarını 3 boyutlu olarak hizalayan ve binaları herhangi bir veya her iki yöntemle yeniden inşa eden birleşik bir çerçeveyi motive eder.
- Yapılandırılmış binaları sınırlı gözlemlerden soyutlamak, 3 boyutlu kentsel modelleme ve dijital ikizler için çok önemlidir.
- Aynı binanın kısmi nokta bulutları ve üstten görüntüleri, tamamlanmamış 3 boyutlu yüzey ölçümleri ve sırasıyla ayak izi, çatı geometrisi ve çatı yapıları hakkında görsel ipuçları sağlar.
- Bu, geometrik ve görsel ipuçlarını 3 boyutlu olarak hizalayan ve binaları herhangi bir veya her iki yöntemle yeniden inşa eden birleşik bir çerçeveyi motive eder.
Yapılandırılmış binaları sınırlı gözlemlerden soyutlamak, 3 boyutlu kentsel modelleme ve dijital ikizler için çok önemlidir.
02 Özet
Yapılandırılmış binaları sınırlı gözlemlerden soyutlamak, 3 boyutlu kentsel modelleme ve dijital ikizler için çok önemlidir. Aynı binanın kısmi nokta bulutları ve üstten görüntüleri, tamamlanmamış 3 boyutlu yüzey ölçümleri ve sırasıyla ayak izi, çatı geometrisi ve çatı yapıları hakkında görsel ipuçları sağlar. Bu, geometrik ve görsel ipuçlarını 3 boyutlu olarak hizalayan ve binaları herhangi bir veya her iki yöntemle yeniden inşa eden birleşik bir çerçeveyi motive eder. Bu bağlantıya dayanarak, isteğe bağlı kaba geometrik önceliklerle kısmi nokta bulutlarından, havai görüntülerden veya her ikisinden Ayrıntı Düzeyi 2 (LoD2) bina yeniden inşası için birleşik bir model olan Any2Building'i sunuyoruz. Özünde, ortak bir 3B ızgara içinde mevcut gözlemleri düzenleyen, doluluk temelli, paylaşılan uzamsal sorgu temsili bulunur. Bina yüzeyinin tamamının vokselleri tarafından denetlenen bu sorgular, gözlemsel kanıtları hedef geometriye bağlayarak paylaşılan bir oluşturucunun görevler arasındaki yapısal öncelikleri öğrenmesini sağlar ve eksik yapıyı kurtarmak için mekansal rehberlik sağlar. Eğitimli bir voksel koşullu yüzey oluşturma ve düşük poli yeniden işleme hattı, daha sonra tahmin edilen yapıyı kompakt LoD2 bina modellerine dönüştürür. Bu çerçeveyi desteklemek için, 18 şehirde kısmi nokta bulutları, havai görüntüler ve LoD2 bina modellerinin yaklaşık bir milyon eşleştirilmiş örneğini içeren BuildingWorld-Image'ı sunuyoruz. Birden fazla kıyaslama üzerinde yapılan deneyler, Any2Building'in, tek modlu ve çok modlu nokta bulutu tamamlama, tek görüntülü bina oluşturma ve önceki destekli oluşturma genelinde geometrik yeniden yapılandırma doğruluğu açısından mevcut yöntemlerden daha iyi performans gösterdiğini ve nokta bulutu giriş yöntemi bozulduğunda ayrıntılı ve sağlam kurtarmayı koruduğunu göstermektedir.
Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.
Abstracting structured buildings from limited observations is essential for 3D urban modeling and digital twins. Partial point clouds and overhead images of the same building provide incomplete 3D surface measurements and visual cues to its footprint, roof geometry, and rooftop structures, respectively. This motivates a unified framework that aligns geometric and visual cues in 3D and reconstructs buildings from either or both modalities. Building on this connection, we present Any2Building, a unified model for Level of Detail 2 (LoD2) building reconstruction from partial point clouds, overhead images, or both, with optional coarse geometric priors. At its core is an occupancy-grounded shared spatial queries representation that organizes available observations within a common 3D grid. Supervised by complete building surface voxels, these queries connect observational evidence to target geometry, enabling a shared generator to learn structural priors across tasks and providing spatial guidance for recovering missing structure. A trained voxel conditional surface-generation and low-poly remeshing pipeline then converts the predicted structure into compact LoD2 building models. To support this framework, we introduce BuildingWorld-Image, comprising approximately one million paired samples of partial point clouds, overhead images, and LoD2 building models across 18 cities. Experiments on multiple benchmarks demonstrate that Any2Building outperforms existing methods in geometric reconstruction accuracy across unimodal and multimodal point-cloud completion, single-image building generation, and prior-assisted generation, while maintaining detailed and robust recovery when point cloud input modality is degraded.
03 PDF
Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.
04 Kaynak göster
@article{hou2026anybuilding,
title = {Any2Building: Unifying Point Clouds and Images for Building Reconstruction via Shared Spatial Queries},
author = {Hongye Hou and Zhuoxiao Li and Liu Xiangyu and Tengxi Wang and Jing Ou and Dongli Wu and Shuai Zhang and Tongyan Hua and Wufan Zhao},
journal = {arXiv preprint arXiv:2611.23187},
year = {2026},
url = {https://arxiv.org/abs/2611.23187}
}
Hou, H., Li, Z., Xiangyu, L., Wang, T., Ou, J., Wu, D., Zhang, S., Hua, T., & Zhao, W. (2026). Any2Building: Paylaşılan Uzamsal Sorgular Yoluyla Bina Yeniden İnşası için Nokta Bulutlarını ve Görüntüleri Birleştirme. arXiv. https://arxiv.org/abs/2611.23187
Yorumlar 0
Henüz yorum yok. İlk yorumu siz yazın.
Yorum yazın