論文の概要: Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery

• arxiv url: http://arxiv.org/abs/2506.04970v1
• Date: Thu, 05 Jun 2025 12:43:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.703532
• Title: Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery
• Title（参考訳）: SAMを新しい高さに持ち込む:ドローン画像から樹冠のセグメンテーションの標高データを活用する
• Authors: Mélisande Teng, Arthur Ouaknine, Etienne Laliberté, Yoshua Bengio, David Rolnick, Hugo Larochelle,
• Abstract要約: 現在のモニタリング手法には、大規模なコスト、時間、労力を必要とする地上計測が含まれる。 ドローンのリモートセンシングとコンピュータビジョンは、広範囲の航空画像から個々の木をマッピングする大きな可能性を秘めている。 高解像度ドローン画像におけるツリークラウンインスタンスの自動セグメンテーションのためのセグメンテーションモデル(SAM)を用いた手法の比較を行った。 また,デジタルサーフェスモデル(DSM)情報を用いたモデルへの標高データの統合についても検討した。
• 参考スコア（独自算出の注目度）: 68.69685477556682
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information on trees at the individual level is crucial for monitoring forest ecosystems and planning forest management. Current monitoring methods involve ground measurements, requiring extensive cost, time and labor. Advances in drone remote sensing and computer vision offer great potential for mapping individual trees from aerial imagery at broad-scale. Large pre-trained vision models, such as the Segment Anything Model (SAM), represent a particularly compelling choice given limited labeled data. In this work, we compare methods leveraging SAM for the task of automatic tree crown instance segmentation in high resolution drone imagery in three use cases: 1) boreal plantations, 2) temperate forests and 3) tropical forests. We also study the integration of elevation data into models, in the form of Digital Surface Model (DSM) information, which can readily be obtained at no additional cost from RGB drone imagery. We present BalSAM, a model leveraging SAM and DSM information, which shows potential over other methods, particularly in the context of plantations. We find that methods using SAM out-of-the-box do not outperform a custom Mask R-CNN, even with well-designed prompts. However, efficiently tuning SAM end-to-end and integrating DSM information are both promising avenues for tree crown instance segmentation models.
• Abstract（参考訳）: 森林生態系のモニタリングや森林管理の計画には,個別のレベルでの樹木に関する情報が不可欠である。 現在のモニタリング手法には、大規模なコスト、時間、労力を必要とする地上計測が含まれる。 ドローンのリモートセンシングとコンピュータビジョンの進歩は、広範囲の航空画像から個々の木をマッピングする大きな可能性を秘めている。 SAM(Segment Anything Model)のような大規模な事前学習された視覚モデルは、限られたラベル付きデータに対して特に魅力的な選択である。 本研究では,高解像度ドローン画像の自動ツリークラウンインスタンスセグメンテーションのタスクにSAMを利用する手法を3つのユースケースで比較する。 1) 植物プランテーション 2)温帯林および温帯林 3)熱帯林。 また,デジタルサーフェスモデル(DSM)情報を用いたモデルへの標高データの統合についても検討した。 SAMおよびDSM情報を利用したモデルであるBalSAMについて述べる。 SAM out-of-box を用いた手法は、よく設計されたプロンプトであっても、カスタムの Mask R-CNN を上回りません。 しかし、SAMのエンドツーエンドのチューニングとDSM情報の統合はどちらも、ツリークラウンインスタンスのセグメンテーションモデルのための有望な道である。

関連論文リスト

• Zero-Shot Tree Detection and Segmentation from Aerial Forest Imagery [1.2770132985501168]
  現在のRGBツリーセグメンテーション手法は、ラベル付きツリーデータセットを用いた特別な機械学習モデルのトレーニングに依存している。 本稿では,最先端画像分割モデルであるSegment Anything Model 2 (SAM2) を,個々の木の検出とセグメンテーションのためにゼロショット方式で使用することの有効性について検討する。 その結果,SAM2は印象的な一般化能力を持つだけでなく,ドメイン内のラベル付きデータに基づいて訓練された特殊な手法で自然なシナジーを形成することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-06-03T17:44:43Z)
• Estimating the Diameter at Breast Height of Trees in a Forest With a Single 360 Camera [52.85399274741336]
  森林在庫は、生態モニタリング、資源管理、炭素会計のために、乳房の高さ(DBH)の直径の正確な測定に頼っている。 LiDARベースの技術はセンチメートル単位の精度を達成できるが、コストは抑えられ、運用上複雑である。 コンシューマグレードの360度ビデオカメラしか必要としない低価格の代替機を提示する。
  論文  参考訳（メタデータ） (2025-05-06T01:09:07Z)
• Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery [68.69685477556682]
  現在のモニタリング手法では、各種に対して手動で木を計測し、コスト、時間、労働力を必要とする。 ドローンリモートセンシングとコンピュータビジョンの進歩は、空中画像から木をマッピングし、特徴づける大きな可能性を秘めている。 若木植林の高分解能ドローン画像における樹冠の自動区分け作業におけるSAM法の比較を行った。 SAM out-of-box を用いたメソッドは、よく設計されたプロンプトであっても、カスタム Mask R-CNN よりも優れているわけではないが、SAM をチューニングするメソッドの可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-26T03:45:36Z)
• Plantation Monitoring Using Drone Images: A Dataset and Performance Review [2.4936576553283287]
  RGBカメラを搭載した小型で安価なドローンは、農地の高解像度画像を撮影することができる。 既存の自動プランテーションモニタリングの方法は、主に衛星画像に基づいている。 ドローン画像を用いたプランテーション型健康モニタリングシステムを提案する。
  論文  参考訳（メタデータ） (2025-02-12T09:21:16Z)
• MAS-SAM: Segment Any Marine Animal with Aggregated Features [55.91291540810978]
  そこで本研究では,海洋生物のセグメンテーションのためのMAS-SAMという新しい特徴学習フレームワークを提案する。 本手法により,グローバルな文脈的手がかりからよりリッチな海洋情報を抽出し,よりきめ細かな局部的詳細を抽出できる。
  論文  参考訳（メタデータ） (2024-04-24T07:38:14Z)
• SAM Fails to Segment Anything? -- SAM-Adapter: Adapting SAM in Underperformed Scenes: Camouflage, Shadow, Medical Image Segmentation, and More [13.047310918166762]
  ドメイン固有の情報や視覚的プロンプトを,単純で効果的なアダプタを用いてセグメント化ネットワークに組み込んだtextbfSAM-Adapterを提案する。 タスク固有のネットワークモデルよりも優れていて、テストしたタスクで最先端のパフォーマンスを実現できます。
  論文  参考訳（メタデータ） (2023-04-18T17:38:54Z)
• Individual Tree Detection and Crown Delineation with 3D Information from Multi-view Satellite Images [5.185018253122575]
  森林在庫管理において,個々の樹冠検出とクラウンデライン化(ITDD)が重要である。 マルチビュー衛星データから導出した直視・デジタル表面モデル(DSM)を用いたITDD手法を提案する。 3つの代表地域における手作業による植樹試験の結果,有望な結果が得られた。
  論文  参考訳（メタデータ） (2021-07-01T16:28:43Z)

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。