論文の概要: 3D Reconstruction-Based Seed Counting of Sorghum Panicles for Agricultural Inspection

• arxiv url: http://arxiv.org/abs/2211.07748v1
• Date: Mon, 14 Nov 2022 20:51:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 15:38:56.684388
• Title: 3D Reconstruction-Based Seed Counting of Sorghum Panicles for Agricultural Inspection
• Title（参考訳）: 農業検査におけるソルガムパニクルの3次元再構成法
• Authors: Harry Freeman, Eric Schneider, Chung Hee Kim, Moonyoung Lee, George Kantor
• Abstract要約: 本研究では,育種実験における表現型化のための高品質な3Dパニックモデルを作成する方法を提案する。 これは、2Dと3Dの両方のセマンティックランドマークとしてシードを使用する、新しい再構築アプローチによって達成される。 本研究では,この手法を用いて2次元画像から種数と重量を推定し,その外挿量を推定できることを実証した。
• 参考スコア（独自算出の注目度）: 4.328589704462156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a method for creating high-quality 3D models of sorghum panicles for phenotyping in breeding experiments. This is achieved with a novel reconstruction approach that uses seeds as semantic landmarks in both 2D and 3D. To evaluate the performance, we develop a new metric for assessing the quality of reconstructed point clouds without having a ground-truth point cloud. Finally, a counting method is presented where the density of seed centers in the 3D model allows 2D counts from multiple views to be effectively combined into a whole-panicle count. We demonstrate that using this method to estimate seed count and weight for sorghum outperforms count extrapolation from 2D images, an approach used in most state of the art methods for seeds and grains of comparable size.
• Abstract（参考訳）: 本稿では,育種実験における表現型化のための高品質3dモデルの作成法を提案する。 これは、2Dと3Dの両方のセマンティックランドマークとしてシードを使用する新しい再構築アプローチによって達成される。 この性能を評価するため, 地中点雲を伴わずに再建点雲の品質を評価するための新しい指標を開発した。 最後に、3次元モデルにおける種子中心の密度は、複数のビューから2次元カウントを効果的に組み合わせて全粒カウントにすることができるカウント法を示す。 そこで本研究では,本手法を用いて2次元画像から推定した種子数と重量を推定し,同等の大きさの種子と穀粒の最先端技術である2次元画像から推定する手法を提案する。

関連論文リスト

• A Quantitative Evaluation of Score Distillation Sampling Based Text-to-3D [54.78611187426158]
  本研究では,SDS手法の故障事例を定量的に分析し,人間の評価によって相互に検証する,より客観的な定量的評価指標を提案する。 計算効率の良い新しいベースラインモデルを設計することで,この解析の有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-29T00:54:09Z)
• RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
  マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。 本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
  論文  参考訳（メタデータ） (2023-12-19T03:39:56Z)
• Sparse3D: Distilling Multiview-Consistent Diffusion for Object Reconstruction from Sparse Views [47.215089338101066]
  スパースビュー入力に適した新しい3D再構成手法であるスパース3Dを提案する。 提案手法は,多視点拡散モデルから頑健な先行情報を抽出し,ニューラルラディアンス場を改良する。 強力な画像拡散モデルから2Dプリエントをタップすることで、我々の統合モデルは、常に高品質な結果をもたらす。
  論文  参考訳（メタデータ） (2023-08-27T11:52:00Z)
• Leveraging Monocular Disparity Estimation for Single-View Reconstruction [8.583436410810203]
  単分子深度推定の進歩を利用して不均一マップを得る。 我々は,2次元の正規化不均質マップを,関連するカメラパラメータの最適化によって3次元の点群に変換する。
  論文  参考訳（メタデータ） (2022-07-01T03:05:40Z)
• RiCS: A 2D Self-Occlusion Map for Harmonizing Volumetric Objects [68.85305626324694]
  カメラ空間における光マーチング (RiCS) は、3次元における前景物体の自己閉塞を2次元の自己閉塞マップに表現する新しい手法である。 表現マップは画像の質を高めるだけでなく,時間的コヒーレントな複雑な影効果をモデル化できることを示す。
  論文  参考訳（メタデータ） (2022-05-14T05:35:35Z)
• On Triangulation as a Form of Self-Supervision for 3D Human Pose Estimation [57.766049538913926]
  ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。 最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。 本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
  論文  参考訳（メタデータ） (2022-03-29T19:11:54Z)
• From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
  我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。 これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。 本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
  論文  参考訳（メタデータ） (2022-03-15T17:50:54Z)
• Gaussian map predictions for 3D surface feature localisation and counting [5.634825161148484]
  本稿では,3次元表面特徴量と正確な位置を推定するためにガウス写像表現を用いることを提案する。 本手法を2次元形状表現に投影可能な物体の3次元球面クラスに適用する。 本手法を,果実品質指標として用いたイチゴアチェインの表現法として実用的に利用した。
  論文  参考訳（メタデータ） (2021-12-07T14:43:14Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• Stem-leaf segmentation and phenotypic trait extraction of maize shoots from three-dimensional point cloud [8.392251372468412]
  本稿では, 骨格抽出, 骨格に基づく粗い部分分割, 茎葉分類に基づく細部分分割の3段階からなる自動茎葉分割法を提案する。 植物の高さ、樹冠径、茎の高さと直径、葉の幅と長さを含む6つの表現型パラメータを正確に自動測定することができる。 提案したアルゴリズムは、完全に拡張された葉だけでなく、新しい葉をまとめて閉じることもできる。
  論文  参考訳（メタデータ） (2020-09-07T13:58:09Z)

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。