PulseAugur
实时 08:53:57
English(EN) LunarDepthNet: Generation of Digital Elevation Models using Deep Learning and Monocular Satellite Images

深度学习模型从单个卫星图像生成月球高程图

研究人员开发了LunarDepthNet,这是一种新颖的深度学习模型,旨在利用单目卫星图像生成月球表面的详细数字高程模型(DEM)。该模型采用具有EfficientNet编码器和自定义层的UNet架构,以准确解释阴影信息并估算高程。LunarDepthNet实现了0.437的平均nRMSE和4.5米的平均绝对误差(MAE),证明了其生成可靠高程图的能力,尤其是在缺乏立体图像的月球区域。 AI

影响 能够从单个图像创建月球高程图,有助于在数据稀缺地区进行月球探索和任务规划。

排序理由 这是一篇研究论文,详细介绍了一种用于生成月球高程图的新型深度学习模型。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习模型从单个卫星图像生成月球高程图

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Aaranay Aadi, Jai Gopal Singla, Amitabh, Nitant Dube, Praveen Kumar Shukla, Vijaypal Singh Dhaka ·

    LunarDepthNet:利用深度学习和单目卫星图像生成数字高程模型

    arXiv:2604.22848v1 Announce Type: new Abstract: Recent times have seen an increase in demand of high quality Digital Elevation Models (DEMs) for the lunar surface, because they are highly important for studying the moon and planning future missions. However, there is an evident l…