Fugu-MT 論文翻訳(概要): Towards L-System Captioning for Tree Reconstruction

論文の概要: Towards L-System Captioning for Tree Reconstruction

arxiv url: http://arxiv.org/abs/2305.06483v1
Date: Wed, 10 May 2023 22:21:57 GMT
ステータス: 処理完了
システム内更新日: 2023-05-12 16:25:44.109735
Title: Towards L-System Captioning for Tree Reconstruction
Title（参考訳）: 樹木復元のためのL-System Captioningに向けて
Authors: Jannes S. Magnusson, Anna Hilsmann, Peter Eisert
Abstract要約: 本研究では,画像キャプション手法を用いて,画像データからLindenmayer-System(L-System)単語表現を直接推論することで,樹木と植物を再構築する新しい概念を提案する。与えられた画像からL-System語への変換が可能なモデルエンドツーエンドを,表示されたツリーの記述としてトレーニングする。
参考スコア（独自算出の注目度）: 2.0883760606514934
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This work proposes a novel concept for tree and plant reconstruction by directly inferring a Lindenmayer-System (L-System) word representation from image data in an image captioning approach. We train a model end-to-end which is able to translate given images into L-System words as a description of the displayed tree. To prove this concept, we demonstrate the applicability on 2D tree topologies. Transferred to real image data, this novel idea could lead to more efficient, accurate and semantically meaningful tree and plant reconstruction without using error-prone point cloud extraction, and other processes usually utilized in tree reconstruction. Furthermore, this approach bypasses the need for a predefined L-System grammar and enables species-specific L-System inference without biological knowledge.
Abstract（参考訳）: 本研究は,画像データからlindenmayer-system (l-system) ワード表現を直接推定し,画像キャプション手法を用いて木と植物を再構築する新しい概念を提案する。与えられた画像をL-System語に変換できるモデルエンドツーエンドを,表示されたツリーの記述としてトレーニングする。この概念を証明するため、2d木トポロジーの適用性を示す。実際の画像データに転送されるこの新しいアイデアは、エラーが発生しやすい点雲の抽出を使わずに、より効率的で正確で意味的に有意な木と植物の再構築に繋がる可能性がある。さらに、この手法は、事前に定義されたL-システム文法の必要性を回避し、生物学的知識のない種特異的L-システム推論を可能にする。

関連論文リスト

Tree-D Fusion: Simulation-Ready Tree Dataset from Single Images with Diffusion Priors [20.607290376199813]
我々は,600,000の環境に配慮した3次元シミュレーション対応ツリーモデルの最初のコレクションを特徴とするツリーD融合について紹介する。再構成された各3Dツリーモデルは、GoogleのAuto Arboristデータセットの画像に対応する。本手法は,木種を特定するためのテキストプロンプトを利用して,2種類の木適応拡散モデルのスコアを蒸留する。
論文参考訳（メタデータ） (2024-07-14T20:56:07Z)
Evaluating the point cloud of individual trees generated from images based on Neural Radiance fields (NeRF) method [2.4199520195547986]
本研究では,様々なカメラで収集したツリー画像に基づいて,ニューラルレージアンスフィールド法(NeRF)を用いた。以上の結果から,NeRF法は個々の木々の3次元再構成において良好に機能し,再現率が向上し,キャノピー領域の再現性が向上した。光グラム点雲から抽出した木構造パラメータの精度は、NeRF点雲から抽出した木構造パラメータよりも高い。
論文参考訳（メタデータ） (2023-12-06T09:13:34Z)
TreeFormer: a Semi-Supervised Transformer-based Framework for Tree Counting from a Single High Resolution Image [6.789370732159176]
単一空中・衛星画像を用いた木密度推定と推定は,光度測定とリモートセンシングにおいて難しい課題である。リモートセンシング画像に対する高価なツリーアノテーションを低減させる,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
論文参考訳（メタデータ） (2023-07-12T12:19:36Z)
Concept Decomposition for Visual Exploration and Inspiration [53.06983340652571]
本稿では,視覚概念を階層木構造に符号化した異なる視覚的側面に分解する手法を提案する。我々は、概念分解と生成のために、大きな視覚言語モデルとそのリッチな潜在空間を利用する。
論文参考訳（メタデータ） (2023-05-29T16:56:56Z)
CherryPicker: Semantic Skeletonization and Topological Reconstruction of Cherry Trees [3.8697834534260447]
木々の測光点雲を再構築する自動パイプラインであるCherryPickerを紹介する。本システムでは, 3D 植物表現型アプリケーションにおいて, 自動処理を実現するために, 最先端のアルゴリズムを組み合わせている。
論文参考訳（メタデータ） (2023-04-10T16:54:05Z)
RLET: A Reinforcement Learning Based Approach for Explainable QA with Entailment Trees [47.745218107037786]
本稿では,強化学習に基づくEntailment Tree生成フレームワークであるRLETを提案する。 RLETは文の選択と推論生成モジュールによる単一ステップ推論を反復的に行う。 EntailmentBankデータセットの3つの設定の実験では、RLフレームワークを使用することの強みが示されている。
論文参考訳（メタデータ） (2022-10-31T06:45:05Z)
Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
本稿では,構成構文構造をグラフベースで組み込む手法を提案する。また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。 on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
論文参考訳（メタデータ） (2022-02-22T07:40:42Z)
R2D2: Recursive Transformer based on Differentiable Tree for Interpretable Hierarchical Language Modeling [36.61173494449218]
本稿では, 構成過程をエミュレートするために, 微分可能なCKYスタイルのバイナリツリーに基づくモデルを提案する。我々は、このアーキテクチャに対して双方向言語モデル事前学習の目的を拡張し、左右の抽象ノードを与えられた各単語を予測しようと試みる。また,本手法を大規模化するために,合成ステップの線形数だけを符号化する効率的な伐採木誘導アルゴリズムを導入する。
論文参考訳（メタデータ） (2021-07-02T11:00:46Z)
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)
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)
Structural-analogy from a Single Image Pair [118.61885732829117]
本稿では,1対の画像A,Bのみを用いて,ニューラルネットワークによる画像構造理解能力について検討する。我々は、B の外観とスタイルを保持するが、A に対応する構造的配置を持つ画像を生成する。提案手法は,画像AとBのみを利用した条件生成タスクにおいて,高品質な画像を生成するために利用できる。
論文参考訳（メタデータ） (2020-04-05T14:51:10Z)

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。