鸟NeRF:从航空图像中快速神经重建大规模场景
Huiqing Zhang1,2, Yifei Xue3, Ming Liao4
1College of Computer Science and Electronic Engineering, Hunan University, Changsha, 410082, China.
Scientific reports
|October 24, 2025
概括
鸟NeRF从空中图像中重建大尺度场景,将它们分解成更小的集,以进行高效的训练和染. 这种新的方法可以显著加快重建速度,同时保持高视觉质量.
科学领域:
- 计算机视觉 计算机视觉
- 这是一种摄影计量技术 (photogrammetry).
- 三维重建的3D重建
背景情况:
- 神经辐射场 (NeRF) 在以物体为中心的重建方面表现出色,但在大规模场景方面却很难.
- 现有的方法面临着缓慢的训练,高计算需求和大规模空中图像中的视觉工件的挑战.
研究的目的:
- 介绍BirdNeRF,一种适应的神经辐射场 (NeRF) 方法,用于从空中图像高效的大规模场景重建.
- 克服现有的NeRF方法在速度,计算成本和广环境的重建质量方面的局限性.
主要方法:
- 开发了一种基于鸟视姿势的空间分解算法,以将大型空中数据集划分为可管理的子场景.
- 为每个子场景训练了个别的NeRF模型,允许可扩展的重建和每个块的更新.
- 实施了以投影为指导的新视图重新染策略,以整合子场景的结果,以获得卓越的最终染.
主要成果:
- 实现了10倍的速度改进比经典的光谱测量和50倍的改进比最先进的大规模NeRF解决方案.
- 在使用单个GPU的各种数据集和无人机镜头上展示了可比或优越的染质量.
- 启用了对任意大环境的无扩展和灵活的每块更新.
结论:
- 鸟NeRF在从空中图像进行大规模3D重建方面取得了重大进展.
- 提出的分解和重新染策略有效地解决了规模,计算和质量的挑战.
- 鸟NeRF为重建广泛的环境提供了实用和高效的解决方案.
