扩散去噪的高斯高光谱溅射
计算机视觉与模式识别
2025-11-27 v3
摘要
高光谱成像（HSI）已广泛应用于农业中，用于无损估计植物养分成分和精确定量样本营养元素。近期，诸如神经辐射场（NeRF）等 3D 重建方法已被用于创建 HSI 场景的隐式神经表示。该能力能够在每个空间位置渲染高光谱通道组合，从而在空间和光谱上帮助定位目标对象的养分成分。然而，其在训练时间和渲染速度方面面临限制。在本文中，我们提出扩散去噪的高斯高光谱溅射（DD-HGS），该方法通过波长感知球谐函数、基于 Kullback-Leibler 散度的光谱损失以及基于扩散的去噪器，增强了最先进的 3D Gaussian Splatting (3DGS) 方法，以实现对整个光谱范围内高光谱场景的 3D 显式重建。我们在 Hyper-NeRF 数据集中多样的真实高光谱场景上进行了广泛评估，以展示 DD-HGS 的有效性。结果表明，与以往所有已发表的方法相比，DD-HGS 实现了新的最先进性能。项目页面：https://dragonpg2000.github.io/DDHGS-website/
引用
@article{arxiv.2505.21890,
title = {Diffusion-Denoised Hyperspectral Gaussian Splatting},
author = {Sunil Kumar Narayanan and Lingjun Zhao and Lu Gan and Yongsheng Chen},
journal= {arXiv preprint arXiv:2505.21890},
year = {2025}
}
备注
Accepted to 3DV 2026