論文の概要: GrowSplat: Constructing Temporal Digital Twins of Plants with Gaussian Splats
- arxiv url: http://arxiv.org/abs/2505.10923v1
- Date: Fri, 16 May 2025 06:56:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-19 14:36:14.198241
- Title: GrowSplat: Constructing Temporal Digital Twins of Plants with Gaussian Splats
- Title（参考訳）: GrowSplat: ガウススプラットを用いた植物のテンポラルデジタルツインの構築
- Authors: Simeon Adebola, Shuangyu Xie, Chung Min Kim, Justin Kerr, Bart M. van Marrewijk, Mieke van Vlaardingen, Tim van Daalen, Robert van Loo, Jose Luis Susa Rincon, Eugen Solowjow, Rick van de Zedde, Ken Goldberg,
- Abstract要約: 本稿では,3次元ガウススプラッティングとロバストなサンプルアライメントパイプラインを組み合わせることで,植物の時間的デジタルツインを構築するための新しい枠組みを提案する。
オランダの植物エコ・フェノタイピング・センターのデータに対するアプローチを評価し,セコイア種とキノア種の詳細な時間的再構成を実証した。
- 参考スコア（独自算出の注目度）: 16.710426662494573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate temporal reconstructions of plant growth are essential for plant phenotyping and breeding, yet remain challenging due to complex geometries, occlusions, and non-rigid deformations of plants. We present a novel framework for building temporal digital twins of plants by combining 3D Gaussian Splatting with a robust sample alignment pipeline. Our method begins by reconstructing Gaussian Splats from multi-view camera data, then leverages a two-stage registration approach: coarse alignment through feature-based matching and Fast Global Registration, followed by fine alignment with Iterative Closest Point. This pipeline yields a consistent 4D model of plant development in discrete time steps. We evaluate the approach on data from the Netherlands Plant Eco-phenotyping Center, demonstrating detailed temporal reconstructions of Sequoia and Quinoa species. Videos and Images can be seen at https://berkeleyautomation.github.io/GrowSplat/
- Abstract（参考訳）: 植物の成長の正確な時間的再構築は、植物の表現型化や育種には不可欠であるが、複雑な地形、閉塞、植物の非剛性変形のために依然として困難である。
本稿では,3次元ガウススプラッティングとロバストなサンプルアライメントパイプラインを組み合わせることで,植物の時間的デジタルツインを構築するための新しい枠組みを提案する。
提案手法は,多視点カメラデータからガウススプラッターを再構成し,特徴量に基づくマッチングによる粗いアライメントと高速グローバルレジストレーション,そして反復クローズトポイントとの細かなアライメントという2段階の登録手法を利用する。
このパイプラインは、離散的な時間ステップで、植物開発の一貫性のある4Dモデルを生成する。
オランダの植物エコ・フェノタイピング・センターのデータに対するアプローチを評価し,セコイア種とキノア種の詳細な時間的再構成を実証した。
ビデオと画像はhttps://berkeleyautomation.github.io/GrowSplat/で見ることができる。
関連論文リスト
- Tighnari: Multi-modal Plant Species Prediction Based on Hierarchical Cross-Attention Using Graph-Based and Vision Backbone-Extracted Features [1.5495593104596397]
ヨーロッパにおける植物調査4,716件の結果を予測するモデルを構築した。
本研究では,Swin-Transformer Blockのバックボーンに基づくネットワークを構築し,時間的キューブの特徴を抽出する。
次に,複数のモダリティから特徴を融合できる階層的クロスアテンション機構を設計する。
論文 参考訳（メタデータ） (2025-01-05T20:30:07Z) - 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) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。
InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。
3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
論文 参考訳（メタデータ） (2024-03-29T17:29:58Z) - FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。
このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。
FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で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） (2023-12-01T09:30:02Z) - Improving Data Efficiency for Plant Cover Prediction with Label
Interpolation and Monte-Carlo Cropping [7.993547048820065]
植物群落の組成は環境変化の重要な指標であり、通常生態学的研究で分析される。
本稿では,収集した植生計画時系列のスパースラベルを中間密度・未ラベル画像に補間する手法を提案する。
また,高解像度画像の処理を効率的に行うため,モンテカルロ・クロッピングと呼ばれる新しい手法を導入する。
論文 参考訳（メタデータ） (2023-07-17T15:17:39Z) - Statistical shape representations for temporal registration of plant
components in 3D [5.349852254138086]
形状特徴を用いることで側頭器官のマッチングが向上することを示す。
これは、ライフサイクル全体のフェノタイピングを可能にするロボット作物監視に不可欠である。
論文 参考訳（メタデータ） (2022-09-23T11:11:10Z) - 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。