
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于改进的DIFIX3D+的幼苗三维重建方法
《Plant Methods》:A three-dimensional reconstruction method for seedlings based on improved DIFIX3D+
【字体: 大 中 小 】 时间:2026年06月23日 来源:Plant Methods 4.4
编辑推荐:
摘要在遮挡严重且观测数据不足的情况下,幼苗的三维重建常常面临约束不足的问题,从而导致几何结构错误和渲染瑕疵。现有的方法主要依赖像素级的一致性约束,因此在重建具有细长枝条和复杂结构的幼苗时稳定性较差。为解决这些难题,本文提出了一种基于改进版DIFIX3D+的幼苗三维重建方法。通过将
在遮挡严重且观测数据不足的情况下,幼苗的三维重建常常面临约束不足的问题,从而导致几何结构错误和渲染瑕疵。现有的方法主要依赖像素级的一致性约束,因此在重建具有细长枝条和复杂结构的幼苗时稳定性较差。为解决这些难题,本文提出了一种基于改进版DIFIX3D+的幼苗三维重建方法。通过将Stable Diffusion-VAE模块整合到DIFIX3D+框架中,该方法提升了表示层面的重建约束机制。首先,利用Florence-2语义先验和SAM2(任意物体分割模型2)实例分割模型消除背景干扰,实现对幼苗的高精度分割。随后,将DIFIX3D+重建得到的图像及其对应的渲染图像一同映射到Stable Diffusion-VAE的潜在空间中,在潜在表示层面建立一致性监督机制。该机制与传统的像素级约束相结合,有效抑制了由光照变化、镜面反射和纹理重复等因素在表示层面引发的像素噪声传播。实验结果表明,在自建数据集上,与原有的3DGS(三维高斯溅射)和DIFIX3D+相比,所提出的方法使峰值信噪比分别提高了28.99%和24.25%,结构相似度指数分别提升了3.16%和3.74%,同时将学习到的感知图像块相似度分别降低了9.24%和41.94%。其平均信噪比、结构相似度指数和感知图像块相似度值分别为31.54 dB、0.9759和0.054,显示出显著优于Nerfacto、Plenoxels和Mip-Splatting等主流模型的重建精度。该方法兼具高视觉保真度和出色的几何结构表达能力,为在复杂场景中实现高质量、低成本的幼苗三维重建提供了技术参考。
在遮挡严重且观测数据不足的情况下,幼苗的三维重建常常面临约束不足的问题,从而导致几何结构错误和渲染瑕疵。现有的方法主要依赖像素级的一致性约束,因此在重建具有细长枝条和复杂结构的幼苗时稳定性较差。为解决这些难题,本文提出了一种基于改进版DIFIX3D+的幼苗三维重建方法。通过将Stable Diffusion-VAE模块整合到DIFIX3D+框架中,该方法提升了表示层面的重建约束机制。首先,利用Florence-2语义先验和SAM2(任意物体分割模型2)实例分割模型消除背景干扰,实现对幼苗的高精度分割。随后,将DIFIX3D+重建得到的图像及其对应的渲染图像一同映射到Stable Diffusion-VAE的潜在空间中,在潜在表示层面建立一致性监督机制。该机制与传统的像素级约束相结合,有效抑制了由光照变化、镜面反射和纹理重复等因素在表示层面引发的像素噪声传播。实验结果表明,在自建数据集上,与原有的3DGS(三维高斯溅射)和DIFIX3D+相比,所提出的方法使峰值信噪比分别提高了28.99%和24.25%,结构相似度指数分别提升了3.16%和3.74%,同时将学习到的感知图像块相似度分别降低了9.24%和41.94%。其平均信噪比、结构相似度指数和感知图像块相似度值分别为31.54 dB、0.9759和0.054,显示出显著优于Nerfacto、Plenoxels和Mip-Splatting等主流模型的重建精度。该方法兼具高视觉保真度和出色的几何结构表达能力,为在复杂场景中实现高质量、低成本的幼苗三维重建提供了技术参考。