ترجمه فارسی مقاله BRDF-NERF: زمینه های تابش عصبی با تصاویر ماهواره نوری و مدل سازی BRDF

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی BRDF-NeRF: Neural Radiance Fields with Optical Satellite Images and BRDF Modelling
عنوان مقاله به فارسی BRDF-NERF: زمینه های تابش عصبی با تصاویر ماهواره نوری و مدل سازی BRDF
نویسندگان Lulin Zhang, Ewelina Rupnik, Tri Dung Nguyen, Stéphane Jacquemoud, Yann Klinger
فرمت مقاله انگلیسی PDF
تعداد صفحات 35
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,چشم انداز رایانه و تشخیص الگوی ,
توضیحات Submitted 18 September, 2024; originally announced September 2024.
توضیحات به فارسی ارائه شده در 18 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Understanding the anisotropic reflectance of complex Earth surfaces from satellite imagery is crucial for numerous applications. Neural radiance fields (NeRF) have become popular as a machine learning technique capable of deducing the bidirectional reflectance distribution function (BRDF) of a scene from multiple images. However, prior research has largely concentrated on applying NeRF to close-range imagery, estimating basic Microfacet BRDF models, which fall short for many Earth surfaces. Moreover, high-quality NeRFs generally require several images captured simultaneously, a rare occurrence in satellite imaging. To address these limitations, we propose BRDF-NeRF, developed to explicitly estimate the Rahman-Pinty-Verstraete (RPV) model, a semi-empirical BRDF model commonly employed in remote sensing. We assess our approach using two datasets: (1) Djibouti, captured in a single epoch at varying viewing angles with a fixed Sun position, and (2) Lanzhou, captured over multiple epochs with different viewing angles and Sun positions. Our results, based on only three to four satellite images for training, demonstrate that BRDF-NeRF can effectively synthesize novel views from directions far removed from the training data and produce high-quality digital surface models (DSMs).

چکیده به فارسی (ترجمه ماشینی)

درک بازتاب ناهمسانگرد سطوح پیچیده زمین از تصاویر ماهواره ای برای کاربردهای بیشمار بسیار مهم است.زمینه های تابش عصبی (NERF) به عنوان یک تکنیک یادگیری ماشین که قادر به استنباط عملکرد توزیع بازتاب دو طرفه (BRDF) صحنه ای از چندین تصویر است ، محبوب شده اند.با این حال ، تحقیقات قبلی تا حد زیادی در استفاده از NERF در تصاویر با برد نزدیک متمرکز شده است ، و مدلهای اصلی Microfacet BRDF را تخمین می زند ، که برای بسیاری از سطوح زمین کوتاه می آیند.علاوه بر این ، NERF های با کیفیت بالا به طور کلی به چندین تصویر ضبط شده به طور همزمان نیاز دارند ، یک اتفاق نادر در تصویربرداری ماهواره ای.برای پرداختن به این محدودیت ها ، ما BRDF-NORF را پیشنهاد می کنیم ، که به صراحت تخمین می زند مدل رحمان-پین-وسترا (RPV) ، یک مدل BRDF نیمه تجربی که معمولاً در سنجش از دور به کار می رود.ما رویکرد خود را با استفاده از دو مجموعه داده ارزیابی می کنیم: (1) جیبوتی ، که در یک دوره واحد با زوایای مختلف مشاهده شده با موقعیت خورشید ثابت اسیر شده است ، و (2) لانژو ، با زاویه های مختلف مشاهده و موقعیت های خورشید ، در چندین دوره ضبط شده است.نتایج ما ، بر اساس تنها سه تا چهار تصویر ماهواره ای برای آموزش ، نشان می دهد که BRDF-NERF می تواند به طور موثری نماهای جدید را از جهت هایی که از داده های آموزش دور می شوند ، سنتز کنند و مدلهای سطح دیجیتالی با کیفیت بالا (DSMS) تولید کنند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.