Dec, 2023

基于神经光辐场（NeRF）方法，评估基于图像生成的个体树木点云

PDF
TL;DR基于不同方式和相机采集的树木图像，本研究使用神经辐射场（NeRF）方法进行个体树木三维重建，并将导出的点云模型与通过摄影测量重建和激光扫描方法得到的点云进行比较。结果表明，NeRF 方法在个体树木三维重建方面表现良好，具有更高的成功重建率，更好的冠层区域重建，并且所需图像数量较少。与摄影测量重建方法相比，NeRF 在重建效率上具有明显优势，并且适用于复杂场景，但生成的点云往往存在噪点和低分辨率。从摄影测量点云中提取的树木结构参数（树高和胸径）的精度仍然优于从 NeRF 点云中提取的结果。本研究结果显示了 NeRF 方法在个体树木重建方面的巨大潜力，并为复杂森林场景的三维重建和可视化提供了新的思路和研究方向。
three-dimensional reconstructionprecision forestry managementneural radiance fieldsphotogrammetric reconstructiontree structural parameters
发现论文，激发创造
  • 评估 NeRF 在野外条件下的三维植物几何重建

    使用不同的神经辐射场（NeRFs）技术，通过评估对不同环境中的植物进行（3D）重建的方法，展示了 NeRF 在详细和真实的植物建模中的潜力，并提出了增强 3D 重建过程速度和效率的实用方法。

    Feb, 2024

  • 基于点的神经辐射场模型：Point-NeRF

    该论文介绍了一种新的基于神经网络点云的辐射场模型 ——Point-NeRF，它结合了 NeRF 和深度多视图立体成像两种方法的优点，可用于高质量的视图合成和快速的场景几何重建。Point-NeRF 可以通过射线行走的渲染管道有效地渲染神经点特征，相对于 NeRF 具有快速训练和处理 3D 重建错误和异常数据的优势。

    Jan, 2022

  • 利用神经辐射场进行植物高保真度三维重建

    精准农业领域的重要问题之一是植物表型的准确重建。最近，神经辐射场（NeRF）方法在 2D 新视图图像合成和 3D 农作物和植物模型重建方面表现出出色的性能，但在农业环境中尚未深入研究。本研究通过两种最先进的方法 Instant-NGP 和 Instant-NSR，探索了 NeRF 方法的优势和局限，并提出了一种新的植物表型数据集，以全面评估 NeRF 在农业上下文中的应用。实验结果显示，NeRF 方法在合成新视图图像和与 Reality Capture 相媲美的 3D 重建方面表现出可观的性能，但存在训练速度较慢、采样不足时的性能限制以及在复杂环境中获取几何质量的挑战等问题。

    Nov, 2023

  • 利用点云生成进行近表面采样的神经辐射场改进

    该论文提出了一种改进 NeRF 渲染质量的近表面采样框架，通过估计 3D 场景的表面，只在表面周围进行采样，从而提高了渲染质量，并且能够显著加速 NeRF 模型的训练时间。

    Oct, 2023

  • NeRF2Points: 街景视图中大规模点云生成的辐射场优化

    本研究论文采用 Neural Radiance Fields 方法，从城市景观图像中导出点云，并通过相机姿态的精确性、自动驾驶汽车采集的街景数据特点、以及新的算法（WIGO 和 LPiM 等）来解决相关挑战。

    Apr, 2024

  • 通过神经辐射场在温室中探索准确的 3D 表型

    通过使用神经辐射场的学习方法，本研究在温室环境中实现了辣椒植株的准确原位表型鉴定，结果表明此学习方法具有与 3D 扫描方法相近的准确性，且具备可扩展性和鲁棒性。

    Mar, 2024

  • 利用高程数据改进 NeRF 模型以利用 GIS 数据

    本文提出一种基于高度数据的神经放射场方法用于重建大规模场景，将场景空间分为多个对象和背景，通过分别使用神经网络表示这些对象来改善渲染图像的精度和训练速度。

    Jul, 2023

  • Enhance-NeRF: 神经辐射场的多重性能评估

    该研究通过提出 Enhance-NeRF 模型，增强神经放射场（NeRF）在虚拟现实和增强现实等领域的三维重建应用，改进了场景识别和学习能力，有望广泛应用于照明、材质和形状的室外场景重建，具备插拔式的易用性，并能够与其他 NeRF-based 模型轻松集成。

    Jun, 2023

  • 从航空影像进行深度监督的神经表面重建

    通过将深度先验与 Neural Radiance Fields（NeRFs）相结合，我们调查了 NeRFs 在航空图像块表示不同特征的能力，并将其与公开可用的航空图像基准数据集的结果进行了比较。

    Apr, 2024

  • Drone-NeRF：大规模无人机勘测的高效 NeRF 基于的三维场景重建

    我们提出了 Drone-NeRF 框架，通过使用神经辐射场（NeRF）来增强适用于无人机倾斜摄影的无界大规模场景的高效重建，将场景根据摄像机位置和深度可见性划分为均匀的子块，在 NeRF 的并行训练中训练子场景，然后合并为完整场景，通过优化相机姿态和引导 NeRF 使用均匀采样器来完善模型，集成选择的样本提高准确性，哈希编码融合 MLP 加速密度表示，生成 RGB 和深度输出，该框架解决了与场景复杂性、渲染效率和无人机获取图像准确性相关的挑战，展示了有前景的能力。

    Aug, 2023