論文の概要: From Canopy to Ground via ForestGen3D: Learning Cross-Domain Generation of 3D Forest Structure from Aerial-to-Terrestrial LiDAR
- arxiv url: http://arxiv.org/abs/2509.16346v1
- Date: Fri, 19 Sep 2025 18:39:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.746179
- Title: From Canopy to Ground via ForestGen3D: Learning Cross-Domain Generation of 3D Forest Structure from Aerial-to-Terrestrial LiDAR
- Title（参考訳）: キャノピーからフォレスト3D:空中から地上へのLiDARからの3次元森林構造物のクロスドメイン生成
- Authors: Juan Castorena, E. Louise Loudermilk, Scott Pokswinski, Rodman Linn,
- Abstract要約: ForestGen3Dは、空中LiDAR(ALS)入力のみを使用して高忠実度3D森林構造を合成する新しい生成モデリングフレームワークである。
幾何学的類似性や生物物理学的指標の観点から,TLS参照と密に一致した高忠実度再構成が可能であることを示す。
以上の結果から,フォレストGen3DはALSのみの環境下での環境モデリング,山火事シミュレーション,構造燃料のキャラクタリゼーションのためのスケーラブルなツールとして位置づけられた。
- 参考スコア（独自算出の注目度）: 0.8233028449337972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The 3D structure of living and non-living components in ecosystems plays a critical role in determining ecological processes and feedbacks from both natural and human-driven disturbances. Anticipating the effects of wildfire, drought, disease, or atmospheric deposition depends on accurate characterization of 3D vegetation structure, yet widespread measurement remains prohibitively expensive and often infeasible. We introduce ForestGen3D, a novel generative modeling framework that synthesizes high-fidelity 3D forest structure using only aerial LiDAR (ALS) inputs. ForestGen3D is based on conditional denoising diffusion probabilistic models (DDPMs) trained on co-registered ALS/TLS (terrestrial LiDAR) data. The model learns to generate TLS-like 3D point clouds conditioned on sparse ALS observations, effectively reconstructing occluded sub-canopy detail at scale. To ensure ecological plausibility, we introduce a geometric containment prior based on the convex hull of ALS observations and provide theoretical and empirical guarantees that generated structures remain spatially consistent. We evaluate ForestGen3D at tree, plot, and landscape scales using real-world data from mixed conifer ecosystems, and show that it produces high-fidelity reconstructions that closely match TLS references in terms of geometric similarity and biophysical metrics, such as tree height, DBH, crown diameter and crown volume. Additionally, we demonstrate that the containment property can serve as a practical proxy for generation quality in settings where TLS ground truth is unavailable. Our results position ForestGen3D as a scalable tool for ecological modeling, wildfire simulation, and structural fuel characterization in ALS-only environments.
- Abstract（参考訳）: 生態系における生物および非生物の3次元構造は、自然および人為的障害から生態過程やフィードバックを決定する上で重要な役割を担っている。
森林火災、干ばつ、病気、大気汚染の影響を予測することは、3D植生構造の正確な特性に依存するが、広く測定されることは違法に高価であり、しばしば実現不可能である。
本稿では,空中LiDAR(ALS)入力のみを用いて高忠実度3D森林構造を合成する新しい生成モデリングフレームワークであるフォレストGen3Dを紹介する。
ForestGen3Dは、共同登録されたALS/TLS(地球LiDAR)データに基づいて訓練された条件付き拡散確率モデル(DDPM)に基づいている。
モデルは、スパースALS観測で条件付けられたTLS様の3D点雲を生成することを学び、隠蔽されたサブキャノピーの細部を効果的に再構築する。
生態学的信頼性を確保するため,ALS観測の凸殻に基づく幾何学的包有物を導入するとともに,生成した構造が空間的に一貫したままであることの理論的および実証的な保証を提供する。
樹高,DBH,クラウン直径,クラウン容積などの幾何学的類似度および生物物理指標からTLS基準と密に一致した高忠実度復元を,混合針葉樹生態系の実世界データを用いて木,プロット,ランドスケープスケールで評価した。
さらに,TLS基底真理が利用できない環境では,封じ込め特性が生成品質の実用的なプロキシとして機能することが実証された。
以上の結果から,フォレストGen3DはALSのみの環境下での環境モデリング,山火事シミュレーション,構造燃料のキャラクタリゼーションのためのスケーラブルなツールとして位置づけられた。
関連論文リスト
- RLGF: Reinforcement Learning with Geometric Feedback for Autonomous Driving Video Generation [75.61028930882144]
この重要な問題を特定し定量化し,合成データと実データを用いた場合の3次元物体検出における顕著な性能差を示す。
本稿では,RLGFを用いた強化学習(Reinforcement Learning with Geometric Feedback, RLGF)を紹介する。
RLGFは幾何誤差(例えばVPエラーを21%、深さエラーを57%)を大幅に削減し、3Dオブジェクト検出のmAPを12.7%改善し、実際のデータ性能のギャップを狭める。
論文 参考訳（メタデータ） (2025-09-20T02:23:36Z) - Dense SAE Latents Are Features, Not Bugs [75.08462524662072]
言語モデル計算において,高密度潜伏剤が機能的役割を担っていることを示す。
位置追跡,コンテキストバインディング,エントロピー制御,文字固有出力信号,パート・オブ・音声,主成分再構成に関連するクラスを同定する。
論文 参考訳（メタデータ） (2025-06-18T17:59:35Z) - A Unified Graph-based Framework for Scalable 3D Tree Reconstruction and Non-Destructive Biomass Estimation from Point Clouds [8.821870725779071]
森林バイオマス (AGB) の推定は, 炭素貯蔵量の評価と持続可能な森林管理支援に不可欠である。
定量的構造モデル(QSM)は3次元木構造再構成によるAGB推定に対する非破壊的アプローチを提供する。
本研究では,大規模クラウドのエンドツーエンド処理を可能にする新しい統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-18T15:55:47Z) - PlantDreamer: Achieving Realistic 3D Plant Models with Diffusion-Guided Gaussian Splatting [0.7937206070844555]
我々は3D合成プラント生成の新しいアプローチであるPlantDreamerを紹介した。
複雑な植物形状やテクスチャに対して、利用可能なテキストから3Dモデルよりも高いレベルのリアリズムを実現することができる。
我々は、その出力を最先端のテキスト・ツー・3Dモデルと比較することで、我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-05-21T13:51:57Z) - Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - Advancing the Understanding of Fine-Grained 3D Forest Structures using Digital Cousins and Simulation-to-Reality: Methods and Datasets [15.813305272984978]
Boreal3Dは世界最大のフォレストポイントクラウドデータセットである。
1000の非常に現実的で構造的な森林区画を含んでいる。
合成データに基づいて事前訓練されたモデルは、実際の森林データセットに適用した場合のパフォーマンスを著しく向上させることができる。
論文 参考訳（メタデータ） (2025-01-07T09:12:55Z) - Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。
本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
論文 参考訳（メタデータ） (2024-06-12T14:56:56Z) - LiDAR data acquisition and processing for ecology applications [0.0]
地球レーザースキャナー (TLS) は、植生の3次元構造を再構築するために生態学に用いられている。
LiDARの向きは垂直面で観測するために変更され、モーターが回転するために統合された。
得られたデータから,植生高さに沿った点密度変動のヒストグラムを作成した。
論文 参考訳（メタデータ） (2024-01-11T13:03:27Z) - FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [59.13757801286343]
クラス増分学習(class-incremental learning)は、モデルが限られたデータで漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。
本稿では,特徴空間の不整合のための冗長特徴除去器 (RFE) と,重要な雑音に対する空間ノイズ補償器 (SNC) の2つの新しいコンポーネントを備えたFILP-3Dフレームワークを紹介する。
論文 参考訳（メタデータ） (2023-12-28T14:52:07Z) - STPLS3D: A Large-Scale Synthetic and Real Aerial Photogrammetry 3D Point
Cloud Dataset [6.812704277866377]
本稿では,合成空中測光点雲生成パイプラインを提案する。
仮想ゲームで合成データを生成するのとは異なり、提案したパイプラインは実環境の再構築プロセスをシミュレートする。
我々は、リッチな注釈付き合成3D空中測光点クラウドデータセットを提案する。
論文 参考訳（メタデータ） (2022-03-17T03:50:40Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based
Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。
自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。
本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-12T06:25:11Z)
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。