Fugu-MT 論文翻訳(概要): Segmentation of structural parts of rosebush plants with 3D point-based deep learning methods

論文の概要: Segmentation of structural parts of rosebush plants with 3D point-based deep learning methods

arxiv url: http://arxiv.org/abs/2012.11489v1
Date: Mon, 21 Dec 2020 17:01:50 GMT
ステータス: 処理完了
システム内更新日: 2021-04-27 06:30:57.137337
Title: Segmentation of structural parts of rosebush plants with 3D point-based deep learning methods
Title（参考訳）: 3次元ポイントベース深層学習法によるバラの植物構造部分の分別
Authors: Kaya Turgut, Helin Dutagaci, Gilles Galopin, David Rousseau
Abstract要約: 本稿では,3次元植物モデルの器官セグメンテーションにおける3次元ポイントベース深層学習法の性能評価のためのベンチマークを紹介する。本手法はROSE-Xデータセットを用いて実生バラの3Dモデルを含む実験を行った。
参考スコア（独自算出の注目度）: 2.384818913693926
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Segmentation of structural parts of 3D models of plants is an important step for plant phenotyping, especially for monitoring architectural and morphological traits. This work introduces a benchmark for assessing the performance of 3D point-based deep learning methods on organ segmentation of 3D plant models, specifically rosebush models. Six recent deep learning architectures that segment 3D point clouds into semantic parts were adapted and compared. The methods were tested on the ROSE-X data set, containing fully annotated 3D models of real rosebush plants. The contribution of incorporating synthetic 3D models generated through Lindenmayer systems into training data was also investigated.
Abstract（参考訳）: 植物の3次元モデルの構造部分のセグメンテーションは、特に建築的・形態学的特性のモニタリングにおいて重要なステップである。本研究は,3次元植物モデル,特にローズブッシュモデルにおける臓器セグメント化における3次元ポイントベースディープラーニング手法の性能評価のためのベンチマークを導入する。最近の6つのディープラーニングアーキテクチャは、3Dポイントクラウドをセマンティックな部分に分割し、比較している。本手法はROSE-Xデータセットを用いて実生バラの3Dモデルを含む実験を行った。また,Lindenmayerシステムから生成した合成3Dモデルをトレーニングデータに組み込んだ。

関連論文リスト

CropCraft: Inverse Procedural Modeling for 3D Reconstruction of Crop Plants [16.558411700996746]
逆手続きモデルによる植物形態のモデル最適化に基づく農作物の3次元再構築手法を提案する。本手法を農業現場の実画像のデータセット上で検証し, 様々なモニタリング・シミュレーションに応用できることを実証する。
論文参考訳（メタデータ） (2024-11-14T18:58:02Z)
PLANesT-3D: A new annotated dataset for segmentation of 3D plant point clouds [0.892439883048931]
PLANesT-3Dは植物の3次元色点雲の注釈付きデータセットである。 PLANesT-3Dは、3つの異なる植物種の34個の実生植物を表す34個の点雲モデルで構成されている。
論文参考訳（メタデータ） (2024-07-30T19:27:37Z)
Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
論文参考訳（メタデータ） (2024-06-17T07:43:53Z)
Zero123-6D: Zero-shot Novel View Synthesis for RGB Category-level 6D Pose Estimation [66.3814684757376]
本研究は,RGB 6Dのカテゴリレベルでのポーズ推定を向上するための拡散モデルに基づく新規ビュー合成器の実用性を示す最初の研究であるZero123-6Dを示す。本手法は,データ要求の低減,ゼロショットカテゴリレベルの6Dポーズ推定タスクにおける深度情報の必要性の除去,およびCO3Dデータセットの実験により定量的に示された性能の向上を示す。
論文参考訳（メタデータ） (2024-03-21T10:38:18Z)
Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文参考訳（メタデータ） (2023-08-18T16:41:57Z)
Enforcing 3D Topological Constraints in Composite Objects via Implicit Functions [60.56741715207466]
医学的応用は心臓や脊椎などの複数の部分を持つ複雑な臓器の正確な3D表現を必要とすることが多い。本稿では,深い暗黙的符号付き距離関数を用いた3次元物体再構成におけるトポロジ的制約を強制する新しい手法を提案する。そこで本研究では,3次元形状間のトポロジ的制約を効果的に検証・実施するサンプリングベース手法を提案する。
論文参考訳（メタデータ） (2023-07-16T10:07:15Z)
3 Dimensional Dense Reconstruction: A Review of Algorithms and Dataset [19.7595986056387]
3D高密度再構成は、2次元平面画像から3次元物体の完全な形状とテクスチャ特性を得る過程を指す。この研究は幾何学的および光学的モデルに基づく3次元高密度再構成の古典的手法を体系的に導入する。さらに、ディープラーニングのためのデータセットや、これらのデータセット上でディープラーニングメソッドが示すパフォーマンスとメリット、デメリットも導入されている。
論文参考訳（メタデータ） (2023-04-19T01:56:55Z)
Using t-distributed stochastic neighbor embedding for visualization and segmentation of 3D point clouds of plants [0.0]
t-SNEは植物の3次元点雲を2次元空間に埋め込んで植物を特徴づけることが提案されている。 t-SNEのパープレキシティパラメータは、様々な組織レベルで植物構造の2次元レンダリングを可能にする。
論文参考訳（メタデータ） (2023-02-07T12:55:15Z)
Eff-3DPSeg: 3D organ-level plant shoot segmentation using annotation-efficient point clouds [1.5882586857953638]
本稿では,3次元植物撮影セグメンテーションのための弱教師付きフレームワーク Eff-3DPSeg を提案する。大豆の高分解能点雲を低コストのフォトグラムシステムを用いて再構成した。植物器官セグメンテーションのための弱教師付き深層学習法が提案された。
論文参考訳（メタデータ） (2022-12-20T14:09:37Z)
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation [87.54570024320354]
大規模運転シーンのLiDARセマンティックセマンティックセグメンテーションのための最先端の手法は、しばしば2D空間の点雲を投影して処理する。 3D-to-2Dプロジェクションの問題に取り組むための簡単な解決策は、3D表現を保ち、3D空間の点を処理することである。我々は3次元シリンダー分割と3次元シリンダー畳み込みに基づくフレームワークをCylinder3Dとして開発し,3次元トポロジの関係と運転シーンの点雲の構造を利用する。
論文参考訳（メタデータ） (2020-08-04T13:56:19Z)
Learning Unsupervised Hierarchical Part Decomposition of 3D Objects from a Single RGB Image [102.44347847154867]
プリミティブの集合として3次元オブジェクトの幾何を共同で復元できる新しい定式化を提案する。我々のモデルは、プリミティブのバイナリツリーの形で、様々なオブジェクトの高レベルな構造的分解を復元する。 ShapeNet と D-FAUST のデータセットを用いた実験により,部品の組織化を考慮すれば3次元形状の推論が容易になることが示された。
論文参考訳（メタデータ） (2020-04-02T17:58:05Z)

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。