論文の概要: Robust Flower Cluster Matching Using The Unscented Transform

• arxiv url: http://arxiv.org/abs/2503.20631v1
• Date: Wed, 26 Mar 2025 15:24:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-27 13:19:57.657214
• Title: Robust Flower Cluster Matching Using The Unscented Transform
• Title（参考訳）: Unscented Transform を用いたロバストフラワークラスタマッチング
• Authors: Andy Chu, Rashik Shrestha, Yu Gu, Jason N. Gross,
• Abstract要約: 本稿では,RGB-Dデータから生成された記述子を用いて,花クラスタをマッチングする手法を提案する。 提案手法はUnscented Transformを利用してプラント記述の不確かさ耐性を効率的に推定する。 モンテカルロシミュレーションは、アンセント変換の結果を検証するために用いられる。
• 参考スコア（独自算出の注目度）: 2.1149122372776743
• License:
• Abstract: Monitoring flowers over time is essential for precision robotic pollination in agriculture. To accomplish this, a continuous spatial-temporal observation of plant growth can be done using stationary RGB-D cameras. However, image registration becomes a serious challenge due to changes in the visual appearance of the plant caused by the pollination process and occlusions from growth and camera angles. Plants flower in a manner that produces distinct clusters on branches. This paper presents a method for matching flower clusters using descriptors generated from RGB-D data and considers allowing for spatial uncertainty within the cluster. The proposed approach leverages the Unscented Transform to efficiently estimate plant descriptor uncertainty tolerances, enabling a robust image-registration process despite temporal changes. The Unscented Transform is used to handle the nonlinear transformations by propagating the uncertainty of flower positions to determine the variations in the descriptor domain. A Monte Carlo simulation is used to validate the Unscented Transform results, confirming our method's effectiveness for flower cluster matching. Therefore, it can facilitate improved robotics pollination in dynamic environments.
• Abstract（参考訳）: 時間とともに花をモニタリングすることは、農業における精密なロボット受粉に不可欠である。 これを実現するため、静止RGB-Dカメラを用いて、植物の成長の時間的連続観察を行うことができる。 しかし、受粉過程による植物の視覚的外観の変化や、成長やカメラアングルからの排除などにより、画像登録は深刻な課題となっている。 花は、枝に異なる房を作る方法で花を咲かせる。 本稿では,RGB-Dデータから生成された記述子を用いて花クラスタをマッチングする方法を提案する。 提案手法はUnscented Transformを用いてプラント記述の不確かさ耐性を効率的に推定し,時間的変化にもかかわらず頑健な画像登録プロセスを実現する。 Unscented Transformは、花の位置の不確かさを伝播させることで非線形変換を処理し、ディスクリプタ領域の変動を決定する。 モンテカルロシミュレーションを用いて無意味な変換結果の検証を行い,花クラスタマッチングの有効性を確認した。 そのため、動的環境下でのロボットの受粉を改善することができる。

関連論文リスト

• Restoring Images in Adverse Weather Conditions via Histogram Transformer [75.74328579778049]
  悪天候による画像の復元に有効なヒストグラム変換器(Histoformer)を提案する。 これはヒストグラム自己アテンション( histogram self-attention)と呼ばれるメカニズムで、空間的特徴を強度ベースのビンに分類し、セグメント化する。 ヒストグラムの自己アテンションを高めるために,従来のコンボリューションが類似画素上で動作できるようにするダイナミックレンジ・コンボリューションを提案する。
  論文  参考訳（メタデータ） (2024-07-14T11:59:22Z)
• Generative Plant Growth Simulation from Sequence-Informed Environmental Conditions [0.32985979395737786]
  植物成長シミュレーションは、植物または植物系の再構成された視覚表現として特徴付けられる。 本研究では、条件付き生成モデルを用いて、植物表現の分布を暗黙的に学習するシーケンスインフォームド植物成長シミュレーションフレームワーク(SI-PGS)を提案する。 我々は,SI-PGSが時間的依存を捕捉し,植物の成長の現実的なフレームを連続的に生成できることを実証した。
  論文  参考訳（メタデータ） (2024-05-23T17:06:46Z)
• RhythmFormer: Extracting Patterned rPPG Signals based on Periodic Sparse Attention [18.412642801957197]
  RRhythmは、生理学的ビデオに基づいて生理的信号を検出する非接触法である。 本稿では,周期性によって誘発される時間的注意間隔に基づく周期的注意機構を提案する。 これは、データ内およびデータ間評価の両方において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-02-20T07:56:02Z)
• DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
  ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。 実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction [2.7409168462107347]
  リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。 その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-27T16:56:28Z)
• CNN Injected Transformer for Image Exposure Correction [20.282217209520006]
  畳み込みに基づく以前の露光補正法は、しばしば画像の露光偏差を生じさせる。 本稿では,CNN と Transformer の個々の強度を同時に活用する CNN インジェクトトランス (CIT) を提案する。 露光補正のためのハイブリッドアーキテクチャ設計に加えて、空間コヒーレンスを改善し、潜在的な色偏差を補正するために、慎重に定式化された損失関数のセットを適用する。
  論文  参考訳（メタデータ） (2023-09-08T14:53:00Z)
• Adaptive Window Pruning for Efficient Local Motion Deblurring [81.35217764881048]
  局所的な動きのぼかしは、露光中の移動物体と静止背景との混合により、実世界の写真で一般的に発生する。 既存の画像のデブロアリング手法は主にグローバルなデブロアリングに焦点を当てている。 本稿では,高解像度の局所的ぼやけた画像を適応的かつ効率的に復元することを目的とする。
  論文  参考訳（メタデータ） (2023-06-25T15:24:00Z)
• Data augmentation with mixtures of max-entropy transformations for filling-level classification [88.14088768857242]
  本稿では,コンテンツレベルの分類作業のための基本データ拡張スキームを用いて,テスト時間データにおける分散シフトの問題に対処する。 このような原理的な拡張スキームは,伝達学習を利用した現在のアプローチを置き換えたり,伝達学習と組み合わせて性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-03-08T11:41:38Z)
• Temporal Prediction and Evaluation of Brassica Growth in the Field using Conditional Generative Adversarial Networks [1.2926587870771542]
  植物の成長予測は、多種多様な環境要因によって影響を受けるため、大きな課題である。 本稿では,高スループット撮像センサ測定とその自動解析を含む新しいモニタリング手法を提案する。 提案手法のコアは条件付き生成型adversarial networkに基づく新しい機械学習ベースの成長モデルである。
  論文  参考訳（メタデータ） (2021-05-17T13:00:01Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。