論文の概要: AgriField3D: A Curated 3D Point Cloud and Procedural Model Dataset of Field-Grown Maize from a Diversity Panel

• arxiv url: http://arxiv.org/abs/2503.07813v1
• Date: Mon, 10 Mar 2025 19:53:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:46:22.340662
• Title: AgriField3D: A Curated 3D Point Cloud and Procedural Model Dataset of Field-Grown Maize from a Diversity Panel
• Title（参考訳）: AgriField3D: 多様なパネルから得られた野生トウモロコシの3Dポイントクラウドと手続きモデルデータセット
• Authors: Elvis Kimara, Mozhgan Hadadi, Jackson Godbersen, Aditya Balu, Talukder Jubery, Yawei Li, Adarsh Krishnamurthy, Patrick S. Schnable, Baskar Ganapathysubramanian,
• Abstract要約: AgriField3D(アグリフィエルド3D)は、多種多様な遺伝パネルから成長するトウモロコシの3D点雲のキュレートされたデータセットである。 我々のデータセットは、地上レーザースキャナーを用いて収集された1,000以上の高品質な点雲からなる。
• 参考スコア（独自算出の注目度）: 12.89812013060155
• License:
• Abstract: The application of artificial intelligence (AI) in three-dimensional (3D) agricultural research, particularly for maize, has been limited by the scarcity of large-scale, diverse datasets. While 2D image datasets are abundant, they fail to capture essential structural details such as leaf architecture, plant volume, and spatial arrangements that 3D data provide. To address this limitation, we present AgriField3D (https://baskargroup.github.io/AgriField3D/), a curated dataset of 3D point clouds of field-grown maize plants from a diverse genetic panel, designed to be AI-ready for advancing agricultural research. Our dataset comprises over 1,000 high-quality point clouds collected using a Terrestrial Laser Scanner, complemented by procedural models that provide structured, parametric representations of maize plants. These procedural models, generated using Non-Uniform Rational B-Splines (NURBS) and optimized via a two-step process combining Particle Swarm Optimization (PSO) and differentiable programming, enable precise, scalable reconstructions of leaf surfaces and plant architectures. To enhance usability, we performed graph-based segmentation to isolate individual leaves and stalks, ensuring consistent labeling across all samples. We also conducted rigorous manual quality control on all datasets, correcting errors in segmentation, ensuring accurate leaf ordering, and validating metadata annotations. The dataset further includes metadata detailing plant morphology and quality, alongside multi-resolution subsampled versions (100k, 50k, 10k points) optimized for various computational needs. By integrating point cloud data of field grown plants with high-fidelity procedural models and ensuring meticulous manual validation, AgriField3D provides a comprehensive foundation for AI-driven phenotyping, plant structural analysis, and 3D applications in agricultural research.
• Abstract（参考訳）: 人工知能(AI)を3次元農業研究、特にトウモロコシに応用することは、大規模で多様なデータセットの不足によって制限されてきた。 2D画像データセットは豊富だが、3Dデータが提供する葉のアーキテクチャ、植物の体積、空間配置といった重要な構造的詳細を捉えることができない。 この制限に対処するため、AgriField3D (https://baskargroup.github.io/AgriField3D/)を提案する。 我々のデータセットは、地上レーザースキャナーを用いて収集された1,000以上の高品質な点雲で構成され、トウモロコシ植物の構造的パラメトリック表現を提供する手続き的モデルによって補完される。 これらの手続きモデルは、NURBS (Non-Uniform Rational B-Splines) を用いて生成され、Particle Swarm Optimization (PSO) と微分可能プログラミングを組み合わせた2段階のプロセスによって最適化され、葉の表面と植物アーキテクチャの精密でスケーラブルな再構築を可能にする。 ユーザビリティを高めるために,各葉と茎を分離するグラフベースセグメンテーションを行い,すべての試料を一貫したラベル付けを行った。 また,全データセットの厳密な手作業による品質管理,セグメンテーションにおける誤りの修正,正確な葉順の確保,メタデータアノテーションの検証などを行った。 さらにデータセットには、植物の形態と品質を詳述したメタデータと、様々な計算ニーズに最適化された多解像度サブサンプルバージョン(100k、50k、10kポイント)が含まれている。 AgriField3Dは、成長した植物のポイントクラウドデータを高忠実な手続きモデルと統合し、巧妙な手作業による検証を保証することにより、AI駆動表現、植物構造解析、農業研究における3Dアプリケーションのための総合的な基盤を提供する。

関連論文リスト

• Procedural Generation of 3D Maize Plant Architecture from LIDAR Data [16.458252508124794]
  本研究では,LiDAR点クラウドデータからトウモロコシ(Zea mays)植物の3Dプロシージャモデルを生成するための堅牢なフレームワークを提案する。 本フレームワークは非一様合理的B-スプライン(NURBS)表面を利用してトウモロコシの葉をモデル化する。
  論文  参考訳（メタデータ） (2025-01-21T22:53:09Z)
• CULTURE3D: Cultural Landmarks and Terrain Dataset for 3D Applications [11.486451047360248]
  世界中から撮影された高解像度画像を用いた大規模きめ細粒度データセットを提案する。 われわれのデータセットはドローンで撮影した空中画像を使って構築されており、現実世界のサイトレイアウトや建築構造をより正確に把握することができる。 このデータセットは、アーキテクチャ再構築から仮想観光まで、さまざまな3Dアプリケーションをサポートするマルチモーダルデータとのシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-01-12T20:36:39Z)
• 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)
• Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
  我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。 本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:56:56Z)
• LAESI: Leaf Area Estimation with Synthetic Imagery [13.145253458335464]
  LAESIは合成葉画像10万枚をミリ紙上に合成した合成葉データである。 このデータセットは、ブナとオークの葉を対象とした葉の形態解析のリソースを提供する。 葉の表面積予測とセマンティックセグメンテーションのための機械学習モデルを訓練することにより,データセットの適用性を評価する。
  論文  参考訳（メタデータ） (2024-03-31T07:56:07Z)
• 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)
• Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
  自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。 自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
  論文  参考訳（メタデータ） (2024-02-19T15:33:09Z)
• Multimodal Dataset for Localization, Mapping and Crop Monitoring in Citrus Tree Farms [7.666806082770633]
  このデータセットは、深度情報を備えたステレオRGB画像と、モノクロ、近赤外線、熱画像を提供する。 データセットは、キツネの3つの畑で収集された7つの配列から構成される。 総運転時間は1.7時間、走行距離は7.5km、データ量は1.3TBである。
  論文  参考訳（メタデータ） (2023-09-27T00:30:08Z)
• Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
  本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。 既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:38:32Z)
• Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
  この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。 本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。 本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
  論文  参考訳（メタデータ） (2021-12-14T13:14:24Z)
• Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene [76.4183572058063]
  複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。 データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。 本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
  論文  参考訳（メタデータ） (2020-08-11T19:10:32Z)

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。