基于语义-结构协同的盆栽植物自修复高斯重建OA

针对盆栽植物三维重建中形态复杂、器官遮挡和结构不连续等问题,为提升模型的几何完整性并增强语义表达的清晰度,该研究提出一种基于语义-结构协同的自修复高斯重建方法(4SPP)。该方法通过构建高斯语义划分与渐进式结构补全两个模块,实现多视角语义信息向三维空间的映射,并基于渲染误差对结构缺失区域进行动态修复,从而提升模型的几何完整性与语义一致性,以修复遮挡与弱纹理导致的结构不连续问题。试验结果表明,在9种真实盆栽植物数据上,所提方法相较3DGS(3D Gaussian splatting)平均峰值信噪比(peak signal to noise ratio,PSNR)提升0.33dB,在结构相似性(structural similarity,SSIM)与学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)上亦有所提升。在公开植物数据集上,平均PSNR达到23.884 dB,较3DGS提升0.75 dB,并优于其他对比方法。综上所述,所提方法能够有效提升盆栽植物三维重建的结构完整性与表达能力,为数字农业中的植物建模、表型分析与产量预测等任务提供可靠的技术支撑。