关键词 · 相关资讯与研究
沿着“Structure-from-Motion”继续探索，共 0 条内容。
Qihe Su、Mengyu Sun、Yuxi Ke、Zhuoyan Jiang、Wanneng Yang、Chenglong Huang、Ziyuan Yang于arXiv(2026-08-10)发表预印本。GROW是面向开放集谷物识别与定量分析的统一框架,无需重新训练即可识别新品种并完成定量分析。方法上,GROW首先进行类无关谷物定位,将混合谷物图像转换为独立实例用于品种计数和表型测量,然后将视觉嵌入与形态描述符融合为谷物描述符存储在可扩展的GrainBank中,查询谷物通过秩相似度加权top-k检索识别,新品种通过追加描述符纳入而无需更新部署模型。在渐进式品种扩展、不同谷物密度、背景域偏移场景下展现良好的可扩展性、鲁棒性和适应性,与联合重训练相比,GROW将平均类别注册时间从4153秒降至仅39秒,同时保持有竞争力的识别性能。
Weight-posture joint modeling for body weight estimation of unconstrained pigs。Smart Agricultural Technology
该研究针对无约束养殖场景，将体重与姿态联合建模以提升猪只估重精度，适用于非接触式养殖监测，但实际精度与数据规模需看原文验证。
系统综述目标检测三十年发展，从传统方法到深度学习、Transformer及大语言模型，并分析数据集与
美国东北大学Khoury计算机学院与Nace AI联合提出基于DINOv3 Vision Transformer的参数高效多输出回归框架，从顶视高分辨率牧场图像预测五类生物量组分（干绿、干死、干三叶、绿干物质、总干生物量）。采用动态深度感知LoRA适配策略：浅层（编码通用视觉）极少扰动，深层（任务特定）强适配；同时将矩形图像拆为两半并通过对比对齐损失处理几何差异。在CSIRO Image2Biomass基准上交叉验证加权R²达0.81。
Corn canopy structure and biomass assessment using UAV-based monocular depth and structure-from-motion。Smart Agricultural Technology
该研究将单目深度估计与运动恢复结构结合用于玉米冠层结构与生物量评估，其适用性需结合具体飞行平台与田间条件验证。
提出CBAM-UNet分割与相机配置优化结合的水稻多视角三维重建流程，兼顾精度、完整性与效率。
提出结合深度学习特征匹配与3D高斯泼溅的脐橙高保真三维重建框架，解决弱纹理高光表面重建难题。
将SAM3适配到3D水果计数，结合跨视图对比学习和Hough投票，提升密集遮挡下的检测与定位。
