Агентное спутниковое гауссово сплэттинг с учётом зданий для аудируемой реконструкции городских DSM

🛰 Городские DSM по спутниковым снимкам: авторы предлагают workflow для 3D-реконструкции, где нейросетевой рендеринг Gaussian Splatting настраивается не только на среднюю визуальную точность, но и на качество восстановления зданий — зон, которые чаще всего проверяют аналитики. Суть метода: маски зданий, полученные через Segment Anything, используются как семантический приоритет, а агентный контроллер выбирает, проверяет и фиксирует политики реконструкции DSM. На сцене DFC2019 JAX_004 взвешивание по зданиям снизило ошибку MAE в зонах зданий с 0,844 до 0,806 м; staged schedule улучшил MAE по всей сцене с 1,362 до 1,349 м. Научная новизна — связка семантических масок, агентного выбора политик и протоколирования решений для аудируемой городской 3D-аналитики. Ограничение тоже видно: проверка приведена на четырёх сценах JAX, поэтому переносимость на другие города и типы спутниковых данных ещё требует оценки.