跳到正文
arXiv · 机器人与计算机视觉· Benjamin Bachmayr, Mohamed Youssef, Oliver Bimber·· 15 天前AI 评分38

Predicting Void Points in Self-Occluding Forest Volumes 论文提出改进训练标签以区分重建伪影与真实植被,在 Gazebo 生成的森林场景上验证了架构效果

Predicting Void Points in Self-Occluding Forest Volumes

AI 导读

针对合成孔径成像中遮挡导致区域误判为占用及生物量高估问题,该研究通过引入深度切片作为负类标签修改训练数据。实验显示,2D U-Net 在无膨胀校准下取得 0.6514 的 IoU,优于 COLMAP(0.3446)和 DepthAnything3(0.2959)。结果揭示了传统重建方法在封闭树冠内推断占用状态的局限性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org