基于一致性驱动的多视角三维重建用于活牛体重估计
计算机视觉与模式识别
2026-01-27 v1
摘要
准确的牛活体重估计对于畜牧管理、动物福利和生产效率至关重要。传统方法，例如使用步行式称重系统进行人工称重或使用体况评分进行近似测量，涉及对牲畜的人工处理，并且可能从牲畜和经济角度影响生产效率。为了解决这些问题，本研究研究了一种利用三维重建进行牛活体重计算的低成本、非接触式方法。所提出的流程利用多视角RGB图像，结合基于SAM 3D的一致性引导融合，随后进行集成回归。我们的方法为每头动物生成单个三维点云，并在低数据条件下比较经典集成模型与深度学习模型。结果表明，具有多视角一致性融合的SAM 3D优于其他三维生成方法，而经典集成模型为实际农场场景提供了最一致的性能（R = 0.69 ± 0.10，MAPE = 2.22 ± 0.56%），这使得该方法适用于农场实际部署。这些发现表明，在难以生成大量三维数据的农场进行可扩展部署时，提高重建质量比增加模型复杂度更为关键。
引用
@article{arxiv.2601.17791,
title = {Agreement-Driven Multi-View 3D Reconstruction for Live Cattle Weight Estimation},
author = {Rabin Dulal and Wenfeng Jia and Lihong Zheng and Jane Quinn},
journal= {arXiv preprint arXiv:2601.17791},
year = {2026}
}