論文の概要: Object-Centric 3D Gaussian Splatting for Strawberry Plant Reconstruction and Phenotyping

• arxiv url: http://arxiv.org/abs/2511.02207v1
• Date: Tue, 04 Nov 2025 02:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.783829
• Title: Object-Centric 3D Gaussian Splatting for Strawberry Plant Reconstruction and Phenotyping
• Title（参考訳）: ゴキブリの花形復元と表現のためのオブジェクト指向3次元ガウススプラッティング
• Authors: Jiajia Li, Keyi Zhu, Qianwen Zhang, Dong Chen, Qi Sun, Zhaojian Li,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 21.752518657362888
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Strawberries are among the most economically significant fruits in the United States, generating over $2 billion in annual farm-gate sales and accounting for approximately 13% of the total fruit production value. Plant phenotyping plays a vital role in selecting superior cultivars by characterizing plant traits such as morphology, canopy structure, and growth dynamics. However, traditional plant phenotyping methods are time-consuming, labor-intensive, and often destructive. Recently, neural rendering techniques, notably Neural Radiance Fields (NeRF) and 3D Gaussian Splatting (3DGS), have emerged as powerful frameworks for high-fidelity 3D reconstruction. By capturing a sequence of multi-view images or videos around a target plant, these methods enable non-destructive reconstruction of complex plant architectures. Despite their promise, most current applications of 3DGS in agricultural domains reconstruct the entire scene, including background elements, which introduces noise, increases computational costs, and complicates downstream trait analysis. To address this limitation, we propose a novel object-centric 3D reconstruction framework incorporating a preprocessing pipeline that leverages the Segment Anything Model v2 (SAM-2) and alpha channel background masking to achieve clean strawberry plant reconstructions. This approach produces more accurate geometric representations while substantially reducing computational time. With a background-free reconstruction, our algorithm can automatically estimate important plant traits, such as plant height and canopy width, using DBSCAN clustering and Principal Component Analysis (PCA). Experimental results show that our method outperforms conventional pipelines in both accuracy and efficiency, offering a scalable and non-destructive solution for strawberry plant phenotyping.
• Abstract（参考訳）: 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、総生産額の約13%を占めている。 植物表現型は, 形態学, 樹冠構造, 成長動態などの植物形質を特徴付けることにより, 優れた品種を選択する上で重要な役割を担っている。 しかし、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。 近年,ニューラルネットワーク技術,特にNeural Radiance Fields(NeRF)と3D Gaussian Splatting(3DGS)が,高忠実度3D再構成のための強力なフレームワークとして出現している。 対象植物を取り巻く多視点画像や映像を撮影することにより、複雑な植物構造を非破壊的に再構築することができる。 その約束にもかかわらず、農業領域における3DGSの現在の応用のほとんどは、ノイズを導入し、計算コストを増大させ、下流の形質分析を複雑化する背景要素を含むシーン全体を再構築している。 この制限に対処するために,Segment Anything Model v2 (SAM-2) とαチャネル背景マスキングを活用して,イチゴプラントのクリーンな再構築を実現する,新しいオブジェクト中心の3D再構成フレームワークを提案する。 このアプローチは、計算時間を大幅に削減しながら、より正確な幾何学的表現を生成する。 そこで本研究では,DBSCANクラスタリングと主成分分析(PCA)を用いて,植物の高さやキャノピー幅などの重要な植物特性を自動的に推定する手法を提案する。 実験結果より, イチゴの葉緑化にスケーラブルで非破壊的なソリューションを提供することにより, 従来のパイプラインの精度, 効率, 性能に優れることがわかった。

関連論文リスト

• 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)
• A Survey on 3D Reconstruction Techniques in Plant Phenotyping: From Classical Methods to Neural Radiance Fields (NeRF), 3D Gaussian Splatting (3DGS), and Beyond [15.48852238904361]
  植物形質転換は、植物形質とその環境との相互作用を理解する上で重要な役割を担っている。 3D再構成技術は、植物の形態や構造を詳細に把握するための強力なツールとして登場した。 本稿では,植物表現の3次元再構成技術について概説する。
  論文  参考訳（メタデータ） (2025-04-30T02:04:23Z)
• 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)
• BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level Phenotyping of Sugar Beet Plants under Field Conditions [28.79416825695514]
  農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。 自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。 表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
  論文  参考訳（メタデータ） (2023-12-22T14:06:44Z)
• High-fidelity 3D Reconstruction of Plants using Neural Radiance Field [10.245620447865456]
  そこで本研究では,生産環境からの植物画像を構成する新しい植物データセットを提案する。 このデータセットは、農業の文脈におけるNeRFの利点と限界を包括的に探求することを目的とした、先駆的なイニシアチブである。
  論文  参考訳（メタデータ） (2023-11-07T17:31:27Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• 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。