降下フェーズの広角画像から惑星表面をニューラルで3D復元する

要旨: 惑星表面のデジタル標高モデリングは、過去および進行中の地質学的プロセスを研究するために不可欠です。宇宙機の降下中に取得される広角画像は、高解像度の地形再構成に対して低コストな選択肢を提供できることが期待されます。しかし、強い放射状歪みと、主にナディア（真下）を向くカメラによる鉛直方向の降下に起因する限られた視差のため、そのような画像から正確な3D再構成を行うことは困難です。従来のマルチビュー・ステレオは、これらの条件下では深度範囲が限定され、忠実度も低下し、さらにドメイン固有の事前知識も欠いています。本研究では、惑星降下撮像に対する現代的なニューラル再構成手法の初めての検討を提示します。また、惑星表面は一般に連続的で、滑らかで、固体であり、浮遊物体がないという性質から強い事前知識を与える、新しい手法として、明示的なニューラル高さ場表現を組み込むことも開発します。本研究は、ニューラル手法が従来のマルチビュー・ステレオ（MVS）手法に対して強力かつ競争力のある代替となり得ることを示しています。高精細な月および火星の地形に対する、シミュレーションによる降下シーケンスでの実験により、提案手法が推定精度を十分に維持しながら、空間的なカバレッジを拡大できることが示されました。