NTR-Gaussian：基于热力学的夜间动态热重建与4D高斯泼溅
计算机视觉与模式识别
2025-03-06 v1
摘要
热红外成像具有全天候工作的优势，能够非侵入式地测量物体表面温度。因此，热红外图像被用于重建能够准确反映场景温度分布的3D模型，以辅助建筑监测和能源管理等应用。然而，现有方法主要关注单一时间段内的静态3D重建，忽视了环境因素对热辐射的影响，且无法预测或分析温度随时间的变化。为应对这些挑战，我们提出了NTR-Gaussian方法，该方法将温度视为一种热辐射形式，并纳入对流换热和辐射散热等要素。我们的方法利用神经网络预测发射率、对流换热系数和热容等热力学参数。通过整合这些预测，我们能够准确预测夜间场景中不同时刻的热温度。此外，我们引入了一个专门用于夜间热成像的动态数据集。大量的实验和评估表明，NTR-Gaussian在热重建方面显著优于对比方法，预测温度误差在1摄氏度以内。
引用
@article{arxiv.2503.03115,
title = {NTR-Gaussian: Nighttime Dynamic Thermal Reconstruction with 4D Gaussian Splatting Based on Thermodynamics},
author = {Kun Yang and Yuxiang Liu and Zeyu Cui and Yu Liu and Maojun Zhang and Shen Yan and Qing Wang},
journal= {arXiv preprint arXiv:2503.03115},
year = {2025}
}
备注
IEEE Conference on Computer Vision and Pattern Recognition 2025