Krzysztof Kusnierek
Head of Department/Head of Research
(+47) 920 12 953
krzysztof.kusnierek@nibio.no
Place
Apelsvoll
Visiting address
Nylinna 226, 2849 Kapp
Abstract
Neural Radiance Fields (NeRF) have been widely adopted for reconstructing high-quality 3D scenes from 2D RGB images. However, achieving accurate 3D object segmentation within these reconstructed scenes remains challenging. Existing NeRF-based segmentation methods either rely on post-processing (SA3D), which produces noisy point clouds due to the absence of density field optimization, or employ joint training with additional segmentation heads (FruitNeRF), which can lead to suboptimal performance due to conflicting learning objectives. In this work, we propose InvNeRF-Seg (Input-substitution NeRF for Segmentation), a two-stage fine-tuning strategy for 3D object segmentation that preserves the original NeRF architecture and loss function entirely. We first train a standard NeRF on RGB images and then fine-tune it using 2D segmentation masks formatted as RGB-like inputs, without introducing any architectural modifications or additional loss functions. This input-substitution approach reshapes the density field to align with object regions while suppressing background density. We validate InvNeRF-Seg through comprehensive ablation studies examining the roles of density and color MLPs, loss function choices, and training strategies. Field density analysis reveals consistent semantic refinement: densities of object regions increase while background densities are suppressed. Experiments on synthetic fruit datasets and real-world soybean imagery demonstrate that InvNeRF-Seg produces cleaner 3D segmented point clouds compared to both SA3D and FruitNeRF, enabling more accurate downstream object counting. The method is further validated on a self-collected soybean dataset to demonstrate its applicability in real-world agricultural scenarios.
Authors
Henk Maessen Siv Mari Aurdal Tomasz Leszek Woznicki Krzysztof Kusnierek Trond Haraldsen Anita SønstebyAbstract
Bruk av trefiber vil redusere miljøbelastningen ved å erstatte energikrevende steinullproduksjon med et fornybart materiale basert på rest-råstoff fra norsk skogindustri. Ved endt bruk kan trefibermaterialet komposteres, brukes som jordforbedringsmiddel eller brennes for energigjenvinning, i motsetning til steinull som ender på deponi. Etter lovende resultater med Fibergrow® trefibermatter i tomat i 2022 og 2023, gjennomførte vi nye forsøk i 2025 for å bekrefte disse funnene.
Abstract
Defibrert trefiber testes av stadig flere dyrkere, enten som del av en blanding, eller som enkeltstående vekstmedium. Et spørsmål vi ofte blir stilt er hvor mye kalk substratet med trefiber trenger. Trefiber har lav pH når den er fersk, nesten tilsvarende torv, og det har fått mange til å anta at de skal behandles likt. Det er feil. Den lave pH-en forsvinner raskt ved oppstart av planteproduksjon, og kalker du som du ville gjort med torv, blir det surr.
