論文の概要: MaizeField3D: A Curated 3D Point Cloud and Procedural Model Dataset of Field-Grown Maize from a Diversity Panel
- arxiv url: http://arxiv.org/abs/2503.07813v2
- Date: Tue, 24 Jun 2025 20:04:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-26 14:36:55.686453
- Title: MaizeField3D: A Curated 3D Point Cloud and Procedural Model Dataset of Field-Grown Maize from a Diversity Panel
- Title（参考訳）: MaizeField3D: 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: そこで本研究では,多種多様な遺伝子パネルから3次元点群を解析した。
MaizeField3Dは、AIによる表現型化、植物構造解析、農業研究における3D応用のための基礎的なデータセットとして機能する。
- 参考スコア（独自算出の注目度）: 12.89812013060155
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The development of artificial intelligence (AI) and machine learning (ML) based tools for 3D phenotyping, especially for maize, has been limited due to the lack of large and diverse 3D datasets. 2D image datasets 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 MaizeField3D (https://baskargroup.github.io/MaizeField3D/), 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 includes 1,045 high-quality point clouds of field-grown maize collected using a terrestrial laser scanner (TLS). Point clouds of 520 plants from this dataset were segmented and annotated using a graph-based segmentation method to isolate individual leaves and stalks, ensuring consistent labeling across all samples. This labeled data was then used for fitting procedural models that provide a structured parametric representation of the maize plants. The leaves of the maize plants in the procedural models are represented using Non-Uniform Rational B-Spline (NURBS) surfaces that were generated using a two-step optimization process combining gradient-free and gradient-based methods. We conducted rigorous manual quality control on all datasets, correcting errors in segmentation, ensuring accurate leaf ordering, and validating metadata annotations. The dataset also includes metadata detailing plant morphology and quality, alongside multi-resolution subsampled point cloud data (100k, 50k, 10k points), which can be readily used for different downstream computational tasks. MaizeField3D will serve as a comprehensive foundational dataset for AI-driven phenotyping, plant structural analysis, and 3D applications in agricultural research.
- Abstract（参考訳）: 人工知能(AI)と機械学習(ML)ベースの3D表現型ツールの開発は、特にトウモロコシは、大規模で多様な3Dデータセットが不足しているため、制限されている。
2D画像データセットは、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キャプチャできない。
この制限に対処するために、多種多様な遺伝パネルから、野生トウモロコシの3D点群を収集したデータセットであるMaizeField3D(https://baskargroup.github.io/MaizeField3D/)を紹介する。
我々のデータセットは、地上レーザースキャナー(TLS)を用いて収集した1045個の高品質のトウモロコシの点雲を含む。
このデータセットから得られた520の植物点雲は、グラフベースのセグメンテーション法を用いて、個々の葉と茎を分離し、すべてのサンプルを一貫したラベル付けした。
このラベル付きデータは、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モデルに適合するために使用された。
非一様合理的B-スプライン (NURBS) 表面を用いて, 無勾配法と勾配法を組み合わせた2段階最適化法を用いて, プロシージャモデルのトウモロコシの葉を表現した。
すべてのデータセットに対して厳密な手作業による品質管理を行い、セグメンテーションにおけるエラーの修正、正確な葉の注文の保証、メタデータアノテーションの検証を行った。
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や、さまざまな下流計算タスクに容易に使用できるマルチ解像度のサブサンプルポイントクラウドデータ(100k、50k、10kポイント)も含まれている。
MaizeField3Dは、AIによる表現型化、植物構造解析、農業研究における3D応用のための総合的な基礎データセットとして機能する。
関連論文リスト
- MeshFleet: Filtered and Annotated 3D Vehicle Dataset for Domain Specific Generative Modeling [0.0]
微調整された大規模な生成モデルは、これらのモデルをエンジニアリングなどの分野で利用できるようにする上で有望な視点である。
我々は,最も広く公開されている3DオブジェクトコレクションであるXLから抽出した,フィルタおよび注釈付き3DデータセットであるMeshFleetを紹介する。
本手法の有効性を,字幕と画像の美的スコアに基づく手法との比較分析とSV3Dによる微調整実験により実証した。
論文 参考訳（メタデータ） (2025-03-18T08:09:24Z) - 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) - 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。