Evaluating Neural Radiance Fields (NeRFs) for 3D Plant Geometry Reconstruction in Field Conditions

要約

私たちは、屋内環境から屋外フィールドまで、さまざまな環境で植物を (3D) 再構築するためのさまざまな Neural Radiance Fields (NeRF) 技術を評価します。
伝統的な技術では、植物や農業の理解にとって重要な植物の複雑な詳細を捉えるのが難しいことがよくあります。
複雑さを増しながら 3 つのシナリオを評価し、結果をグラウンド トゥルース データとして LiDAR を使用して取得した点群と比較します。
最も現実的なフィールド シナリオでは、NeRF モデルは GPU での 30 分間のトレーニングで 74.65% の F1 スコアを達成し、困難な環境における NeRF の効率と精度を強調しています。
これらの発見は、詳細かつ現実的な 3D プラント モデリングにおける NeRF の可能性を実証するだけでなく、3D 再構成プロセスの速度と効率を高めるための実用的なアプローチも示唆します。

要約(オリジナル)

We evaluate different Neural Radiance Fields (NeRFs) techniques for reconstructing (3D) plants in varied environments, from indoor settings to outdoor fields. Traditional techniques often struggle to capture the complex details of plants, which is crucial for botanical and agricultural understanding. We evaluate three scenarios with increasing complexity and compare the results with the point cloud obtained using LiDAR as ground truth data. In the most realistic field scenario, the NeRF models achieve a 74.65% F1 score with 30 minutes of training on the GPU, highlighting the efficiency and accuracy of NeRFs in challenging environments. These findings not only demonstrate the potential of NeRF in detailed and realistic 3D plant modeling but also suggest practical approaches for enhancing the speed and efficiency of the 3D reconstruction process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google