通过神经辐射场在温室中探索准确的 3D 表型
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
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
该研究提出了一种使用多传感器机器人平台的高质量 3D 多光谱点云(3D-MPC)的方法,其中包括自适应数据采集和反射率校正,以便在自然光条件下为植物进行表型分析。
May, 2023
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
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。
Jan, 2024
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
该研究提出了一种基于神经辐射场(NeRF)技术的生成全息图的新方法。使用深度神经网络在合理的时间内构建了从 2D 图像生成的 3D 光场的渲染流程,包括 NeRF、深度预测器和全息图生成器,而不需要任何物理计算。通过该流程,可以计算从任意方向观看的 3D 场景的预测全息图。研究还展示了仿真和实验结果。
Mar, 2024
通过 NeRF 的方法来实现对于图像的 View Synthesis, 本文提到了 NeRF 的成功之处以及在应用于大规模无界三维场景中进行改进,使其在 360° 的拍摄模式下提高拍摄质量。
Oct, 2020