論文の概要: Statistical shape representations for temporal registration of plant components in 3D

• arxiv url: http://arxiv.org/abs/2209.11526v2
• Date: Tue, 6 Jun 2023 20:17:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 20:13:10.986918
• Title: Statistical shape representations for temporal registration of plant components in 3D
• Title（参考訳）: 3次元における植物成分の時間的登録のための統計的形状表現
• Authors: Karoline Heiwolt, Cengiz \"Oztireli, Grzegorz Cielniak
• Abstract要約: 形状特徴を用いることで側頭器官のマッチングが向上することを示す。 これは、ライフサイクル全体のフェノタイピングを可能にするロボット作物監視に不可欠である。
• 参考スコア（独自算出の注目度）: 5.349852254138086
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Plants are dynamic organisms and understanding temporal variations in vegetation is an essential problem for robots in the wild. However, associating repeated 3D scans of plants across time is challenging. A key step in this process is re-identifying and tracking the same individual plant components over time. Previously, this has been achieved by comparing their global spatial or topological location. In this work, we demonstrate how using shape features improves temporal organ matching. We present a landmark-free shape compression algorithm, which allows for the extraction of 3D shape features of leaves, characterises leaf shape and curvature efficiently in few parameters, and makes the association of individual leaves in feature space possible. The approach combines 3D contour extraction and further compression using Principal Component Analysis (PCA) to produce a shape space encoding, which is entirely learned from data and retains information about edge contours and 3D curvature. Our evaluation on temporal scan sequences of tomato plants shows, that incorporating shape features improves temporal leaf-matching. A combination of shape, location, and rotation information proves most informative for recognition of leaves over time and yields a true positive rate of 75%, a 15% improvement on sate-of-the-art methods. This is essential for robotic crop monitoring, which enables whole-of-lifecycle phenotyping.
• Abstract（参考訳）: 植物は動的生物であり、植生の時間変化を理解することは野生のロボットにとって不可欠な問題である。 しかし、時間をかけて3Dスキャンを繰り返すことは難しい。 このプロセスにおける重要なステップは、同じ植物コンポーネントを時間とともに再識別し、追跡することです。 以前は、地球上の空間的・トポロジカルな位置を比較することで達成されていた。 本研究は, 形状特徴を用いた時間的臓器整合性の向上を実証する。 本研究では,葉の3次元形状特徴を抽出し,数パラメータで葉形状と曲率を効率的に特徴付け,特徴空間における個々の葉の関連付けを可能にするランドマークフリー形状圧縮アルゴリズムを提案する。 このアプローチは、主成分分析(PCA)を用いた3次元輪郭抽出とさらなる圧縮を組み合わせて、データから完全に学習され、エッジ輪郭や3次元曲率に関する情報を保持する形状空間符号化を生成する。 トマト葉の経時的走査配列について評価したところ, 形状の特徴を取り入れた場合, 側頭葉の整合性が向上することがわかった。 形状、位置、回転情報の組み合わせは、葉の経時的認識に最も有益であり、正の正の率は75%であり、芸術的な方法では15%改善されている。 これは、ライフサイクル全体のフェノタイピングを可能にするロボット作物監視に不可欠である。

関連論文リスト

• DetailGen3D: Generative 3D Geometry Enhancement via Data-Dependent Flow [44.72037991063735]
  DetailGen3Dは、生成された3D形状を強化するために特別に設計されたジェネレーティブなアプローチである。 我々の重要な洞察は、潜在空間におけるデータ依存フローを通して、粗大から細小への変換を直接モデル化することである。 改質時に正確な空間対応を確保するためのトークンマッチング戦略を導入する。
  論文  参考訳（メタデータ） (2024-11-25T17:08:17Z)
• Living Scenes: Multi-object Relocalization and Reconstruction in Changing 3D Environments [20.890476387720483]
  MoREは進化する環境における多目的再局在と再構成のための新しいアプローチである。 これらの環境を「生きたシーン」とみなし、異なる時点のスキャンをオブジェクトインスタンスの3次元再構成に変換する問題について考察する。
  論文  参考訳（メタデータ） (2023-12-14T17:09:57Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
  本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。 また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
  論文  参考訳（メタデータ） (2023-03-21T17:58:49Z)
• Deep Active Latent Surfaces for Medical Geometries [51.82897666576424]
  形状先行は、ノイズや不完全なデータから3次元形状を再構成する際に有効であることが知られている。 本稿では,各頂点に別個の潜在ベクトルを持つ3次元メッシュの形状を表すハイブリッドアプローチを提案する。 推論のために、潜伏ベクトルは空間正規化制約を課しながら独立に更新される。 これにより、フレキシビリティと一般化能力の両方が得られ、いくつかの医療画像処理タスクで実演できることが示される。
  論文  参考訳（メタデータ） (2022-06-21T10:33:32Z)
• Scene Synthesis via Uncertainty-Driven Attribute Synchronization [52.31834816911887]
  本稿では,3次元シーンの多様な特徴パターンを捉えるニューラルシーン合成手法を提案する。 提案手法は,ニューラルネットワークと従来のシーン合成手法の双方の長所を結合する。
  論文  参考訳（メタデータ） (2021-08-30T19:45:07Z)
• Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
  複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。 提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
  論文  参考訳（メタデータ） (2020-11-08T10:40:26Z)
• Deep Generative Modelling of Human Reach-and-Place Action [15.38392014421915]
  始終位置と終端位置を条件とした人間のリーチ・アンド・プレイス行動の深層生成モデルを提案する。 我々は、このような人間の3Dアクション600のデータセットを取得し、3Dソースとターゲットの2x3-D空間をサンプリングした。 我々の評価には、いくつかの改善、生成的多様性の分析、応用が含まれる。
  論文  参考訳（メタデータ） (2020-10-05T21:36:20Z)
• Learning Local Neighboring Structure for Robust 3D Shape Representation [143.15904669246697]
  3Dメッシュの表現学習は多くのコンピュータビジョンやグラフィックスアプリケーションにおいて重要である。 局所構造認識型異方性畳み込み操作(LSA-Conv)を提案する。 本モデルでは,3次元形状復元において最先端の手法に比べて顕著な改善が得られた。
  論文  参考訳（メタデータ） (2020-04-21T13:40:03Z)
• A new geodesic-based feature for characterization of 3D shapes: application to soft tissue organ temporal deformations [0.0]
  臓器の時間的変形に関する研究に直接応用する。 我々は,3次元表面点の少ない強制呼吸運動時の膀胱の挙動を特徴付ける。 合成3次元形状と現実的なダイナミックMRIデータの両方に特徴の頑健さを実証する。
  論文  参考訳（メタデータ） (2020-03-18T16:56:41Z)

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。