論文の概要: A Survey On 3D Inner Structure Prediction from its Outer Shape

• arxiv url: http://arxiv.org/abs/2002.04571v1
• Date: Tue, 11 Feb 2020 17:56:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 02:14:19.975103
• Title: A Survey On 3D Inner Structure Prediction from its Outer Shape
• Title（参考訳）: 外形からの3次元内部構造予測に関する調査研究
• Authors: Mohamed Mejri, Antoine Richard, C\'edric Pradalier
• Abstract要約: 樹木の内部構造の解析は、森林の専門家、生物科学者、木材産業にとって非常に重要である。 伝統的に、CTスキャナーは木の正確な内部表現を得る最も効率的な方法と考えられている。 我々の目標は、木の内部密度を外部の樹皮形状から予測するニューラルネットワークベースの手法を設計することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The analysis of the internal structure of trees is highly important for both forest experts, biological scientists, and the wood industry. Traditionally, CT-scanners are considered as the most efficient way to get an accurate inner representation of the tree. However, this method requires an important investment and reduces the cost-effectiveness of this operation. Our goal is to design neural-network-based methods to predict the internal density of the tree from its external bark shape. This paper compares different image-to-image(2D), volume-to-volume(3D) and Convolutional Long Short Term Memory based neural network architectures in the context of the prediction of the defect distribution inside trees from their external bark shape. Those models are trained on a synthetic dataset of 1800 CT-scanned look-like volumetric structures of the internal density of the trees and their corresponding external surface.
• Abstract（参考訳）: 樹木の内部構造の解析は、森林の専門家、生物科学者、木材産業にとって非常に重要である。 伝統的に、CTスキャナーは木の正確な内部表現を得る最も効率的な方法と考えられている。 しかし,この方法は重要な投資を必要とし,コスト効率を低下させる。 本研究の目的は,外部樹皮形状から木の内部密度を予測するニューラルネットワークに基づく手法を設計することである。 本稿では,木の内部欠陥分布を樹皮形状から予測する上で,画像から画像へ(2d),ボリュームからボリュームへ(3d),畳み込み型長期記憶型ニューラルネットワークアーキテクチャを比較した。 これらのモデルは、木の内部密度とその対応する外部表面の1800 ctスキャンされた体積構造からなる合成データセットで訓練される。

関連論文リスト

• $TrIND$: Representing Anatomical Trees by Denoising Diffusion of Implicit Neural Fields [17.943355593568242]
  解剖学的木は臨床診断と治療計画において中心的な役割を果たす。 木構造を表現する伝統的な方法は、解像度、柔軟性、効率性の面で欠点を示す。 本稿では,暗黙の神経表現を用いて解剖学的木を表現するための新しいアプローチである$TrIND$を提案する。
  論文  参考訳（メタデータ） (2024-03-13T21:43:24Z)
• Improving Knot Prediction in Wood Logs with Longitudinal Feature Propagation [0.0]
  本稿では,丸太の外形から内部欠陥の位置を推定する作業について述べる。 データセットは、X線測定で輪郭と結び目の両方を抽出することによって構築される。 本稿では,畳み込みリカレントニューラルネットワークを利用して,この二分分割課題を解決することを提案する。
  論文  参考訳（メタデータ） (2023-08-22T09:12:11Z)
• Occlusion Reasoning for Skeleton Extraction of Self-Occluded Tree Canopies [5.368313160283353]
  ツリースケルトンは、トポロジカル構造をコンパクトに記述し、有用な情報を含む。 本手法では, 可視幹, 枝, かつらを検出するために, インスタンスセグメンテーションネットワークを用いる。 本手法は,高度に隠蔽されたシーンにおいて,ベースライン法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-01-20T01:46:07Z)
• Enforcing connectivity of 3D linear structures using their 2D projections [54.0598511446694]
  本稿では,2次元投影におけるトポロジ認識損失の総和を最小化することにより,結果の3次元接続性を改善することを提案する。 これにより、精度の向上と、アノテーション付きトレーニングデータの提供に必要なアノテーションの労力の削減が図られる。
  論文  参考訳（メタデータ） (2022-07-14T11:42:18Z)
• Tree Reconstruction using Topology Optimisation [0.685316573653194]
  本稿では,点雲データから木の枝構造を抽出する一般的な手法を提案する。 本稿では,木構造復元における新しいアプローチの利点と欠点について論じる。 本手法は,ほとんどの場合,詳細かつ正確な木構造を生成する。
  論文  参考訳（メタデータ） (2022-05-26T07:08:32Z)
• Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
  本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。 次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
  論文  参考訳（メタデータ） (2021-02-11T08:48:48Z)
• Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
  この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。 我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
  論文  参考訳（メタデータ） (2020-12-29T18:05:05Z)
• A Study on Trees's Knots Prediction from their Bark Outer-Shape [0.0]
  産業においては、木片の価値は内部構造に強く依存しており、特に木の内部の結び目分布に強く依存している。 木の中の結び目がどこにあるかを知ることで、廃棄物を減らし、木-ログの副産物の品質を向上させることで、木産業全体の効率を向上させることができる。 畳み込みニューラルネットワーク(CNN)に基づく3種類の手法について検討する。これらのアーキテクチャは実木と合成木の両方で試験される。
  論文  参考訳（メタデータ） (2020-10-05T19:13:10Z)
• MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
  動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。 当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
  論文  参考訳（メタデータ） (2020-07-24T17:06:55Z)
• Exploiting Syntactic Structure for Better Language Modeling: A Syntactic Distance Approach [78.77265671634454]
  我々はマルチタスクの目的、すなわち、モデルが単語を同時に予測し、また「シンタクティック距離」と呼ばれる形態で真実解析木を解析する。 Penn Treebank と Chinese Treebank のデータセットによる実験結果から,地上の真理解析木を追加の訓練信号として提供すると,そのモデルはより低いパープレキシティを実現し,より良い品質で木を誘導できることが示された。
  論文  参考訳（メタデータ） (2020-05-12T15:35:00Z)
• PT2PC: Learning to Generate 3D Point Cloud Shapes from Part Tree Conditions [66.87405921626004]
  本稿では,シンボル部分木表現から3次元形状点雲の幾何を生成するという新しい問題について検討する。 構造的および幾何学的要因を乱す条件付きGAN "part tree"-to-point cloud"モデル(PT2PC)を提案する。
  論文  参考訳（メタデータ） (2020-03-19T08:27:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。