卫星遥感几何正则化 NeRF：SatGeo-NeRF
计算机视觉与模式识别
2026-03-24 v1
摘要
我们提出了 SatGeo-NeRF，这是一种用于卫星图像的几何正则化 NeRF，通过引入三个模型无关的正则化方法来缓解当前最先进模型中观察到的过拟合引起的几何失真。重力对齐平面正则化将深度推断的近似法向与重力轴对齐，以促进局部平整性，通过耦合相邻射线的对应表面来促进跨射线梯度流。粗细分辨率正则化实施粗到细的几何学习方案，深度监督正则化稳定早期训练以提高几何精度。在 DFC2019 卫星重建基准测试上，SatGeo-NeRF 相对于诸如 EO-NeRF 和 EO-GS 等当前最先进模型，Mean Altitude Error 分别提高了 13.9% 和 11.7%。
引用
@article{arxiv.2603.21931,
title = {SatGeo-NeRF: Geometrically Regularized NeRF for Satellite Imagery},
author = {Valentin Wagner and Sebastian Bullinger and Michael Arens and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2603.21931},
year = {2026}
}
备注
Accepted at the ISPRS Congress 2026