論文の概要: GrowSplat: Constructing Temporal Digital Twins of Plants with Gaussian Splats
- arxiv url: http://arxiv.org/abs/2505.10923v2
- Date: Wed, 28 May 2025 20:00:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 15:42:33.895873
- 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
- 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
- Structure-aware Riemannian Growth Fields for 4D Plant Modeling [6.770272642898533]
本研究では, 植物の連続的な幾何学的・トポロジ的進化を, 微小な時間的観測から再構築する, 4次元植物成長モデリングの新しい枠組みを提案する。
実験により,本手法は時間とともに個々の臓器の成長を正確に追跡し,幾何的精度と対応性の両方において最先端のベースラインを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2026-08-13T09:25:47Z) - GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis [94.20462261657525]
GrainGSは階層的なアンカー足場とガウス単位の変形を組み合わせた動的フレームワークである。
高いリコンストラクション品質、リアルタイムの新規ビュー合成、コンパクトストレージを実現している。
論文 参考訳（メタデータ） (2026-07-23T15:52:35Z) - SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。
提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
論文 参考訳（メタデータ） (2026-06-19T10:23:25Z) - Grow with the Flow: 4D Reconstruction of Growing Plants with Gaussian Flow Fields [37.924718950550336]
植物成長をガウスパラメータ上の時間変化微分としてモデル化する3次元ガウス流場表現を提案する。
成熟した植物を再構築し、逆成長の過程を学習し、植物の発達史を効果的に逆向きにシミュレートする。
本手法は,植物成長のマルチビュータイムラプスデータセットにおける先行手法と比較して,画像品質と幾何的精度を向上する。
論文 参考訳（メタデータ） (2026-02-09T17:55:01Z) - GaussianPlant: Structure-aligned Gaussian Splatting for 3D Reconstruction of Plants [22.247768445856455]
3Dガウススプラッティングに基づく多視点画像から植物体の外観と内部構造を復元する手法を提案する(3DGS)。
本研究は,3Dガウスアンを用いて,植物の外観に対する外観プリミティブ(ApPs)と,葉の形状を明示するために構造プリミティブ(StPs)を用いる。
実験により、ガウスプラントはApPsによる高忠実な外観復元とStPsによる正確な構造再構築の両方を達成することが示された。
論文 参考訳（メタデータ） (2025-12-16T04:55:06Z) - Object-Centric 3D Gaussian Splatting for Strawberry Plant Reconstruction and Phenotyping [21.752518657362888]
ストロベリーはアメリカ合衆国で最も経済的に重要な果物であり、年間20億ドル以上のファームゲート販売を生み出している。
伝統的な植物表現法は、時間がかかり、労働集約的であり、しばしば破壊的である。
本稿では,前処理パイプラインを組み込んだオブジェクト中心の3次元再構成フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-04T02:55:46Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - HairGS: Hair Strand Reconstruction based on 3D Gaussian Splatting [50.93221272778306]
人間の髪の復元はコンピュータビジョンにおいて難しい問題である。
多視点画像からストランドレベルの毛髪形状復元を可能にする3DGSフレームワークを拡張した。
提案手法は多種多様なヘアスタイルを頑健に処理し, 1時間以内の効率的な再構築を実現する。
論文 参考訳（メタデータ） (2025-09-09T14:08:41Z) - HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。
提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。
その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
論文 参考訳（メタデータ） (2025-06-24T03:54:40Z) - Learning to Infer Parameterized Representations of Plants from 3D Scans [2.6774002558989705]
我々はL-systemsベースの手続きモデルを用いて仮想植物でニューラルネットワークを訓練する。
トレーニング後、このネットワークは入力された3Dポイントクラウドに基づいてパラメトリックツリーのような表現を推論することができる。
ケノポジウム・アルバム植物に対する我々のアプローチを,合成植物実験を用いて評価し,我々の統合されたフレームワークが様々なタスクを担っていることを示す。
論文 参考訳（メタデータ） (2025-05-28T13:23:48Z) - 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) - DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes [81.56206845824572]
新規ビュー合成(NVS)アプローチは、広大なシーン再構築において重要な役割を担っている。
大規模な環境下では、復元の質が悪くなる場合が少なくない。
本稿では,スパース・ビュー・ワイド・シーンのための効率的なガウス再構成のための分散フレームワークであるDGTRを提案する。
論文 参考訳（メタデータ） (2024-11-19T07:51:44Z) - 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。