Fugu-MT 論文翻訳(概要): MMCBE: Multi-modality Dataset for Crop Biomass Prediction and Beyond

論文の概要: MMCBE: Multi-modality Dataset for Crop Biomass Prediction and Beyond

arxiv url: http://arxiv.org/abs/2404.11256v3
Date: Fri, 13 Sep 2024 00:35:30 GMT
ステータス: 処理完了
システム内更新日: 2024-09-16 11:57:31.762990
Title: MMCBE: Multi-modality Dataset for Crop Biomass Prediction and Beyond
Title（参考訳）: MMCBE:作物バイオマス予測のためのマルチモーダリティデータセット
Authors: Xuesong Li, Zeeshan Hayder, Ali Zia, Connor Cassidy, Shiming Liu, Warwick Stiller, Eric Stone, Warren Conaty, Lars Petersson, Vivien Rolland,
Abstract要約: 作物バイオマス推定のための多モードデータセット(MMCBE) このデータセットは、216セットの多視点ドローン画像と、LiDAR点雲とハンドラベリングされた地上真実で構成されている。我々は,MCCBEを用いた最先端の作物バイオマス推定手法を厳格に評価し,ドローン画像からの3D作物の復元やノベルビューレンダリングなど,新たな応用の可能性を探った。
参考スコア（独自算出の注目度）: 11.976195465657236
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Crop biomass, a critical indicator of plant growth, health, and productivity, is invaluable for crop breeding programs and agronomic research. However, the accurate and scalable quantification of crop biomass remains inaccessible due to limitations in existing measurement methods. One of the obstacles impeding the advancement of current crop biomass prediction methodologies is the scarcity of publicly available datasets. Addressing this gap, we introduce a new dataset in this domain, i.e. Multi-modality dataset for crop biomass estimation (MMCBE). Comprising 216 sets of multi-view drone images, coupled with LiDAR point clouds, and hand-labelled ground truth, MMCBE represents the first multi-modality one in the field. This dataset aims to establish benchmark methods for crop biomass quantification and foster the development of vision-based approaches. We have rigorously evaluated state-of-the-art crop biomass estimation methods using MMCBE and ventured into additional potential applications, such as 3D crop reconstruction from drone imagery and novel-view rendering. With this publication, we are making our comprehensive dataset available to the broader community.
Abstract（参考訳）: 作物の生育、健康、生産性の重要指標である作物のバイオマスは、作物の育種プログラムや農業研究に有用である。しかし、既存の測定方法の限界により、作物のバイオマスの正確でスケーラブルな定量化は依然として不可能である。現在の作物バイオマス予測手法の進歩を妨げる障害の1つは、公開データセットの不足である。このギャップに対処するため、我々はこの領域における新たなデータセット、すなわち、作物バイオマス推定のためのマルチモダリティデータセットを導入する。 216セットのマルチビュー・ドローン画像とLiDAR点雲とハンドラベリングされた地上真実を組み合わせたMCCBEは、この分野における最初のマルチモダリティの1つだ。このデータセットは、作物のバイオマス定量化のためのベンチマーク手法を確立し、ビジョンベースのアプローチの開発を促進することを目的としている。我々は,MCCBEを用いた最先端の作物バイオマス推定手法を厳格に評価し,ドローン画像からの3D作物の復元やノベルビューレンダリングなど,新たな応用の可能性を探った。この発表で、包括的データセットを、より広いコミュニティで利用可能にしています。

関連論文リスト

NeFF-BioNet: Crop Biomass Prediction from Point Cloud to Drone Imagery [11.976195465657236]
本稿では,バイオマス予測ネットワーク(BioNet)を,点雲やドローン画像など,さまざまなデータモダリティに適応するためのネットワークとして提案する。我々のBioNetは、スパース3D畳み込みニューラルネットワーク(CNN)とトランスフォーマーベースの予測モジュールを利用して、ポイントクラウドやその他の3Dデータ表現を処理し、バイオマスを予測する。ドローン画像のためのBioNetをさらに拡張するため,ニューラル・フィーチャーフィールド(NeFF)モジュールを統合し,3次元構造再構成と2次元意味的特徴の対応する3次元面への変換を可能にする。
論文参考訳（メタデータ） (2024-10-30T04:53:11Z)
Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文参考訳（メタデータ） (2024-03-27T08:42:47Z)
Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
$k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。 k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
論文参考訳（メタデータ） (2023-12-15T14:04:23Z)
ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文参考訳（メタデータ） (2023-11-01T14:44:01Z)
Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文参考訳（メタデータ） (2022-10-04T13:48:59Z)
Hyperspectral and LiDAR data for the prediction via machine learning of tree species, volume and biomass: a possible contribution for updating forest management plans [0.3848364262836075]
本研究は,トレント自治州(PAT)の森林タイプと森林単位の脱線を識別する基盤を構築することを目的としている。 2014年のLiDARとPATによるハイパースペクトル調査のデータを取得し、処理した。
論文参考訳（メタデータ） (2022-09-30T06:06:25Z)
Generative models-based data labeling for deep networks regression: application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文参考訳（メタデータ） (2022-08-09T09:06:51Z)
Semi-supervised dry herbage mass estimation using automatic data and synthetic images [8.993785655588736]
種特異的乾燥草原バイオマスのモニタリングは,牧草地を基盤とした乳生産システムにおいて重要な側面である。コンピュータビジョンのためのディープラーニングは、この文脈において強力なツールである。本稿では,コンピュータビジョンを用いたバイオマスの乾式推定のための低監督手法を提案する。
論文参考訳（メタデータ） (2021-10-26T14:10:39Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)
Inferring Microbial Biomass Yield and Cell Weight using Probabilistic Macrochemical Modeling [0.0]
微生物学研究において、微生物種が環境の変化にどのように反応するかを理解するために、成長速度とバイオマス収量が重要な記述子である。細胞数からバイオマスを推定し、収穫量を評価するために必要となるように、仮定された細胞重量に依存する。これらの仮定に対するノイズと不一致は、微生物の反応に関する結論に大きな変化をもたらす可能性がある。本稿では,微生物成長の確率論的マクロケミカルモデルを用いて,これらの課題に対処する手法を提案する。
論文参考訳（メタデータ） (2020-10-06T14:23:21Z)
Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。