CropCraft：从图像对农作物进行完整结构表征
计算机视觉与模式识别
2026-01-23 v2
摘要
从图像自动构建植物的3D数字孪生能力在农业、环境科学、机器人等领域有着无数应用。然而，由于严重的遮挡和复杂的几何形状，当前的3D重建方法无法恢复植物的完整形状。在这项工作中，我们提出了一种基于逆向程序化建模优化植物形态参数模型的农业作物3D建模新方法。我们的方法首先通过拟合神经辐射场来估计深度图，然后优化一个专门设计的损失函数来估计形态参数，从而得到一致的深度渲染结果。最终的3D模型是完整且生物学上合理的。我们在一个农业田地真实图像数据集上验证了我们的方法，并证明了重建的冠层可用于多种监测和模拟应用。
引用
@article{arxiv.2411.09693,
title = {CropCraft: Complete Structural Characterization of Crop Plants From Images},
author = {Albert J. Zhai and Xinlei Wang and Kaiyuan Li and Zhao Jiang and Junxiong Zhou and Sheng Wang and Zhenong Jin and Kaiyu Guan and Shenlong Wang},
journal= {arXiv preprint arXiv:2411.09693},
year = {2026}
}
备注
3DV 2026 (Oral). Project page: https://ajzhai.github.io/CropCraft