論文の概要: HS-3D-NeRF: 3D Surface and Hyperspectral Reconstruction From Stationary Hyperspectral Images Using Multi-Channel NeRFs

• arxiv url: http://arxiv.org/abs/2602.16950v1
• Date: Wed, 18 Feb 2026 23:29:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.515768
• Title: HS-3D-NeRF: 3D Surface and Hyperspectral Reconstruction From Stationary Hyperspectral Images Using Multi-Channel NeRFs
• Title（参考訳）: HS-3D-NeRF:多チャンネルNeRFを用いた静止ハイパースペクトル画像からの3次元表面とハイパースペクトル再構成
• Authors: Kibon Ku, Talukder Z. Jubery, Adarsh Krishnamurthy, Baskar Ganapathysubramanian,
• Abstract要約: 我々は高スループットハイパースペクトル3D再構成のための静止カメラマルチチャネルNeRFフレームワークであるHSI-SC-NeRFを紹介する。 3種類の農作物の試料を用いた実験により,空間再構成精度が高く,スペクトル忠実度が高いことが示された。
• 参考スコア（独自算出の注目度）: 6.074219505064872
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Advances in hyperspectral imaging (HSI) and 3D reconstruction have enabled accurate, high-throughput characterization of agricultural produce quality and plant phenotypes, both essential for advancing agricultural sustainability and breeding programs. HSI captures detailed biochemical features of produce, while 3D geometric data substantially improves morphological analysis. However, integrating these two modalities at scale remains challenging, as conventional approaches involve complex hardware setups incompatible with automated phenotyping systems. Recent advances in neural radiance fields (NeRF) offer computationally efficient 3D reconstruction but typically require moving-camera setups, limiting throughput and reproducibility in standard indoor agricultural environments. To address these challenges, we introduce HSI-SC-NeRF, a stationary-camera multi-channel NeRF framework for high-throughput hyperspectral 3D reconstruction targeting postharvest inspection of agricultural produce. Multi-view hyperspectral data is captured using a stationary camera while the object rotates within a custom-built Teflon imaging chamber providing diffuse, uniform illumination. Object poses are estimated via ArUco calibration markers and transformed to the camera frame of reference through simulated pose transformations, enabling standard NeRF training on stationary-camera data. A multi-channel NeRF formulation optimizes reconstruction across all hyperspectral bands jointly using a composite spectral loss, supported by a two-stage training protocol that decouples geometric initialization from radiometric refinement. Experiments on three agricultural produce samples demonstrate high spatial reconstruction accuracy and strong spectral fidelity across the visible and near-infrared spectrum, confirming the suitability of HSI-SC-NeRF for integration into automated agricultural workflows.
• Abstract（参考訳）: ハイパースペクトルイメージング(HSI)と3D再構成の進歩は、農業の持続可能性の向上と育種プログラムに欠かせない、農作物の品質と植物の表現型を正確かつ高精度に評価することを可能にする。 HSIは生産物の詳細な生化学的特徴を捉え、3次元幾何学的データは形態学的解析を大幅に改善する。 しかし、これらの2つのモダリティを大規模に統合することは、従来の手法では、自動表現システムと互換性のない複雑なハードウェアのセットアップを伴っているため、依然として困難である。 ニューラル放射場(NeRF)の最近の進歩は、計算効率のよい3D再構成を提供するが、通常、標準的な屋内農業環境でのスループットと再現性を制限する移動カメラのセットアップを必要とする。 これらの課題に対処するために,農作物の収穫後検査を目的とした高出力ハイパースペクトル3D再構成のための静止カメラマルチチャネルNeRFフレームワークであるHSI-SC-NeRFを紹介する。 静止カメラを用いてマルチビューハイパースペクトルデータをキャプチャし、被写体は拡散均一照明を提供するカスタムビルドのテフロン撮像室内で回転する。 オブジェクトのポーズはArUcoキャリブレーションマーカーを介して推定され、シミュレーションされたポーズ変換によって参照のカメラフレームに変換される。 マルチチャネルのNeRF定式化は、放射光の微細化から幾何学的初期化を分離する2段階のトレーニングプロトコルによって支えられた複合スペクトル損失を用いて、すべての超スペクトル帯の再構成を最適化する。 3つの農作物試料の実験では、可視・近赤外スペクトルの空間再構成精度が高く、スペクトル忠実度が強いことが示され、自動農業ワークフローへの統合に向けたHSI-SC-NeRFの適合性が確認された。

関連論文リスト

• 3D Reconstruction from Transient Measurements with Time-Resolved Transformer [48.73999376279579]
  我々は,光子効率画像における3次元再構成性能を高めるため,TRT(Time-Resolved Transformer)アーキテクチャを提案する。 本稿では,NLOS 画像用 TRT-LOS と NLOS 用 TRT-NLOS の2つのタスク固有のエボディメントを開発する。 さらに,様々なノイズレベルを持つ大規模かつ高分解能な合成LOSデータセットをコントリビュートし,実世界のNLOS画像計測を行う。
  論文  参考訳（メタデータ） (2025-10-10T09:44:08Z)
• Multispectral-NeRF:a multispectral modeling approach based on neural radiance fields [3.606065291262699]
  2次元画像に基づく3次元再構成技術は、通常RGBスペクトル情報に依存する。 RGB以外のスペクトルバンドは、ますます3D再構成に組み込まれている。 これらのスペクトルデータを統合する既存の方法は、高価なスキーム価格、低い精度、幾何学的特徴に悩まされることが多い。 我々は、マルチスペクトル情報を効果的に統合できる、NeRFから派生した拡張ニューラルアーキテクチャであるMultispectral-NeRFを提案する。
  論文  参考訳（メタデータ） (2025-09-14T09:04:35Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• SC-NeRF: NeRF-based Point Cloud Reconstruction using a Stationary Camera for Agricultural Applications [10.199205707001436]
  本稿では,ポイントクラウド(PCD)再構築のためのNeRFベースのフレームワークを提案する。 物体が台座上で回転するときに、静止カメラで画像をキャプチャするNeRFベースのPCD再構成法を開発した。 以上の結果から,静止カメラを用いて高品質なNeRFベースの3D再構成が可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-03-27T20:14:45Z)
• FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
  FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。 当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。 包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
  論文  参考訳（メタデータ） (2024-12-12T18:52:53Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• High-fidelity 3D Reconstruction of Plants using Neural Radiance Field [10.245620447865456]
  そこで本研究では,生産環境からの植物画像を構成する新しい植物データセットを提案する。 このデータセットは、農業の文脈におけるNeRFの利点と限界を包括的に探求することを目的とした、先駆的なイニシアチブである。
  論文  参考訳（メタデータ） (2023-11-07T17:31:27Z)
• Clean-NeRF: Reformulating NeRF to account for View-Dependent Observations [67.54358911994967]
  本稿では,複雑なシーンにおける3次元再構成と新しいビューレンダリングのためのクリーンネRFを提案する。 clean-NeRFはプラグインとして実装することができ、既存のNeRFベースのメソッドを追加入力なしですぐに利用することができる。
  論文  参考訳（メタデータ） (2023-03-26T12:24:31Z)
• VMRF: View Matching Neural Radiance Fields [57.93631771072756]
  VMRFは、カメラポーズやカメラポーズの分布に関する事前知識を必要とせずに、効果的なNeRFトレーニングを可能にする、革新的な視野マッチングNeRFである。 VMRFは、不均衡な最適輸送を利用するビューマッチングスキームを導入し、レンダリングされた画像をランダムにカメラのポーズで対応する実画像にマッピングする特徴輸送計画を生成する。 特徴伝達プランをガイダンスとして、レンダリング画像と実画像の相対的なポーズを予測することにより、初期ランダム化されたカメラポーズを補正する新しいポーズキャリブレーション手法を設計する。
  論文  参考訳（メタデータ） (2022-07-06T12:26:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。