Jan, 2024

学习森林结构的神经辐射场以实现可扩展和精细监测

PDF
TL;DR这项工作利用神经辐射场和遥感技术进行林业应用研究，通过实验展示了神经辐射场在提升森林监测遥感方法、表达森林三维结构的精细特征、融合不同遥感模态、改善森林三维结构衍生指标方面的潜力，将神经辐射场作为一种具有巨大潜力的计算工具，能进一步提高森林监测项目的可扩展性和准确性。
neural radiance fieldsremote sensingforestry applicationsforest monitoring3d structure
发现论文，激发创造
  • 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

  • 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

    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。

    Dec, 2023

  • 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

  • 城市辐射场

    从由摄像头和扫描器捕捉的 RGB 图像和激光雷达扫描序列中，使用我们的扩展方法，生成具有深度信息的 3D 表面，以及合成新颖的 RGB 图像。

    Nov, 2021

  • 多视角卫星摄影测量的影子神经辐射场

    我们提出了一种新的通用方法，用于阴影感知的多视角卫星摄影测量。我们的建议方法是采用隐式体积表示学习中的最新进展。通过训练 Shadow Neural Radiance Field (S-NeRF) 模型，我们能够实现对场景进行 3D 形状估算、阴影检测和透明物体过滤，而不需要任何显式形状监督。

    Apr, 2021

  • SiLVR: 大规模激光雷达视觉重建与神经辐射场用于机器人检测

    本研究提出了一种基于神经场的大规模重建系统，它利用激光雷达和视觉数据生成几何精确且具有照片级真实纹理的高质量重建，同时使用激光雷达 SLAM 系统提供深度和表面法线的强几何约束来改进传统的神经辐射场表示方法。

    Mar, 2024

  • 神经辐射场场景重建探索：合成、真实世界和动态场景

    该论文主要研究使用神经辐射场（NeRF）方法对合成和真实场景进行 3D 重建，包括利用多分辨率哈希编码等技术在静态和动态场景重建方面的研究。其中，还着重探讨了神经辐射场（D-NeRF）对动态场景重建的应用，并成功将其推广至真实世界动态场景。

    Oct, 2022

  • 基于神经辐射场的视觉渲染方法综述

    近年来，神经辐射场（NeRF）在计算机视觉和图形领域取得了显着进展，为解决 3D 场景理解、新视角合成、人体重建、机器人等关键任务提供了强有力的技术支持。本文对过去两年内关于 NeRF 的研究文献进行了深入分析，在详细阐述 NeRF 核心架构的基础上，讨论了 NeRF 的各种改进策略，以及在不同应用场景中的案例研究，展示了其在不同领域的实际应用价值。同时，本文还详细介绍了 NeRF 模型训练所需的关键资源，最后提出了关于 NeRF 未来发展趋势和潜在挑战的前瞻性讨论，旨在为该领域的研究人员提供研究灵感，促进相关技术的进一步发展。

    Mar, 2024

  • 医学图像中的神经辐射场：挑战与下一步

    神经放射场 (NeRF) 是计算机视觉中的一种开创性技术，通过从投影到二维图像数据中合成三维表示来为医学成像提供巨大潜力。然而，在应用于医学领域时，它们面临着特殊的挑战。本文对 NeRF 在医学成像中的应用进行了全面的研究，突出了四个潜在的挑战，包括基本成像原理、内部结构要求、物体边界定义和颜色密度意义。我们讨论了目前不同器官上的现有方法，并讨论了相关的局限性。我们还回顾了几个数据集和评估指标，并提出了几个未来研究的有前景的方向。

    Feb, 2024