論文の概要: Learning to Infer Parameterized Representations of Plants from 3D Scans

• arxiv url: http://arxiv.org/abs/2505.22337v1
• Date: Wed, 28 May 2025 13:23:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.622444
• Title: Learning to Infer Parameterized Representations of Plants from 3D Scans
• Title（参考訳）: 3Dスキャンによる植物のパラメータ化表現の推論
• Authors: Samara Ghrer, Christophe Godin, Stefanie Wuhrer,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.6774002558989705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing faithfully the 3D architecture of plants from unstructured observations is a challenging task. Plants frequently contain numerous organs, organized in branching systems in more or less complex spatial networks, leading to specific computational issues due to self-occlusion or spatial proximity between organs. Existing works either consider inverse modeling where the aim is to recover the procedural rules that allow to simulate virtual plants, or focus on specific tasks such as segmentation or skeletonization. We propose a unified approach that, given a 3D scan of a plant, allows to infer a parameterized representation of the plant. This representation describes the plant's branching structure, contains parametric information for each plant organ, and can therefore be used directly in a variety of tasks. In this data-driven approach, we train a recursive neural network with virtual plants generated using an L-systems-based procedural model. After training, the network allows to infer a parametric tree-like representation based on an input 3D point cloud. Our method is applicable to any plant that can be represented as binary axial tree. We evaluate our approach on Chenopodium Album plants, using experiments on synthetic plants to show that our unified framework allows for different tasks including reconstruction, segmentation and skeletonization, while achieving results on-par with state-of-the-art for each task.
• Abstract（参考訳）: 非構造的な観察から植物の3Dアーキテクチャを忠実に再構築することは、難しい作業である。 植物は、多かれ少なかれ複雑な空間ネットワークの分岐系で組織された多くの器官を含むことが多く、臓器間の自己閉塞や空間的近接に起因する特定の計算問題を引き起こす。 既存の研究は、仮想植物をシミュレートできる手続き規則の回復を目的とする逆モデリングや、セグメンテーションや骨格化のような特定のタスクに焦点を当てる。 本稿では,植物を3Dスキャンすることで,植物をパラメータ化した表現を推測できる統一的なアプローチを提案する。 この表現は、植物の分岐構造を記述しており、各植物器官のパラメトリック情報を含んでいるため、様々なタスクで直接使用することができる。 データ駆動型アプローチでは、L-systemsベースの手続きモデルを用いて仮想植物を用いて再帰的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。 我々の方法は二分軸木として表現できるどんな植物にも当てはまる。 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, 再構築, 分節化, 骨格化など様々な作業が可能であり, それぞれの作業に対して, 現状と同等の結果が得られることを示した。

関連論文リスト

• 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)
• Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
  大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。 LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。 新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
  論文  参考訳（メタデータ） (2024-10-24T17:54:42Z)
• Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
  我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。 本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• Using t-distributed stochastic neighbor embedding for visualization and segmentation of 3D point clouds of plants [0.0]
  t-SNEは植物の3次元点雲を2次元空間に埋め込んで植物を特徴づけることが提案されている。 t-SNEのパープレキシティパラメータは、様々な組織レベルで植物構造の2次元レンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-02-07T12:55:15Z)
• Hierarchical Approach for Joint Semantic, Plant Instance, and Leaf Instance Segmentation in the Agricultural Domain [29.647846446064992]
  植物表現型は、植物の成長段階、発達、その他の関連する量を記述するため、農業において中心的な課題である。 本稿では,RGBデータから作物の連接意味,植物インスタンス,葉のインスタンスセグメンテーションの問題に対処する。 本稿では,3つのタスクを同時に処理する単一畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:01:08Z)
• 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)
• Scene Synthesis via Uncertainty-Driven Attribute Synchronization [52.31834816911887]
  本稿では,3次元シーンの多様な特徴パターンを捉えるニューラルシーン合成手法を提案する。 提案手法は,ニューラルネットワークと従来のシーン合成手法の双方の長所を結合する。
  論文  参考訳（メタデータ） (2021-08-30T19:45:07Z)
• Object-Centric Multi-View Aggregation [86.94544275235454]
  本稿では,オブジェクトのスパースなビュー集合を集約して,半単純3次元表現を容積特徴格子の形で計算する手法を提案する。 我々のアプローチの鍵となるのは、カメラのポーズを明示することなく、ビューを持ち上げることができるオブジェクト中心の標準3D座標システムである。 画素から標準座標系への対称対応マッピングの計算により、未知の領域への情報伝達がより良くなることを示す。
  論文  参考訳（メタデータ） (2020-07-20T17:38:31Z)

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。