评估神经辐射场（NeRFs）在田间条件下进行 3D 植物几何重建
计算机视觉与模式识别
2024-08-07 v3
摘要
我们评估了不同的神经辐射场（NeRFs）技术在从室内环境到室外田间的各种环境中进行植物 3D 重建的表现。传统方法通常无法捕捉植物的复杂几何细节，而这对于表型分析和育种研究至关重要。我们在三个复杂度递增的场景中评估了 NeRFs 的重建保真度，并将结果与使用 LiDAR 获取的点云（作为真值）进行比较。在最真实的田间场景中，NeRF 模型在 GPU 上训练 30 分钟后达到了 74.6% 的 F1 分数，突显了 NeRFs 在挑战性环境中进行 3D 重建的有效性。此外，我们提出了一种用于 NeRF 训练的早停技术，该技术几乎将训练时间减半，而平均 F1 分数仅降低 7.4%。这一优化过程显著提高了使用 NeRFs 进行 3D 重建的速度和效率。我们的研究结果展示了 NeRFs 在详细且逼真的 3D 植物重建中的潜力，并提出了提高 3D 重建过程中 NeRFs 速度和效率的实用方法。
引用
@article{arxiv.2402.10344,
title = {Evaluating Neural Radiance Fields (NeRFs) for 3D Plant Geometry Reconstruction in Field Conditions},
author = {Muhammad Arbab Arshad and Talukder Jubery and James Afful and Anushrut Jignasu and Aditya Balu and Baskar Ganapathysubramanian and Soumik Sarkar and Adarsh Krishnamurthy},
journal= {arXiv preprint arXiv:2402.10344},
year = {2024}
}
备注
Published in 'Plant Phenomics'