NeFF-BioNet：从点云到无人机影像的作物生物量预测
计算机视觉与模式识别
2024-11-01 v1
摘要
作物生物量为了解植物健康和产量提供了关键信息，使其对作物科学、耕作系统和农业研究至关重要。然而，当前的测量方法劳动密集、具有破坏性且不精确，阻碍了该性状的大规模量化。为了解决这一局限性，我们提出了一个生物量预测网络（BioNet），旨在适应不同的数据模态，包括点云和无人机影像。我们的BioNet利用稀疏3D卷积神经网络（CNN）和基于Transformer的预测模块，处理点云和其他3D数据表示以预测生物量。为了进一步将BioNet扩展到无人机影像，我们集成了一个神经特征场（NeFF）模块，实现3D结构重建，并将来自视觉基础模型的2D语义特征转换到相应的3D表面。对于点云模态，BioNet在两个公共数据集上展示了卓越的性能，相较于现有最先进技术，相对改进（RI）约为6.1%。在RGB图像模态中，BioNet与NeFF的结合实现了7.9%的RI。此外，基于NeFF的方法利用廉价、便携的无人机载相机，为大规模田间应用提供了可扩展的解决方案。
引用
@article{arxiv.2410.23901,
title = {NeFF-BioNet: Crop Biomass Prediction from Point Cloud to Drone Imagery},
author = {Xuesong Li and Zeeshan Hayder and Ali Zia and Connor Cassidy and Shiming Liu and Warwick Stiller and Eric Stone and Warren Conaty and Lars Petersson and Vivien Rolland},
journal= {arXiv preprint arXiv:2410.23901},
year = {2024}
}