論文の概要: ZS-TreeSeg: A Zero-Shot Framework for Tree Crown Instance Segmentation

• arxiv url: http://arxiv.org/abs/2602.00470v1
• Date: Sat, 31 Jan 2026 02:48:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.20585
• Title: ZS-TreeSeg: A Zero-Shot Framework for Tree Crown Instance Segmentation
• Title（参考訳）: ZS-TreeSeg: ツリークラウンインスタンスセグメンテーションのためのゼロショットフレームワーク
• Authors: Pengyu Chen, Fangzheng Lyu, Sicheng Wang, Cuizhen Wang,
• Abstract要約: 樹冠分割はバイオマス推定と生態モニタリングのためのリモートセンシングにおいて重要な課題である。 2つの成熟したタスクから適応するフレームワークであるZSegを提案する。 われわれのフレームワークはセンサタイプとキャノピーにまたがって堅牢に一般化されている。
• 参考スコア（独自算出の注目度）: 5.392796525513568
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Individual tree crown segmentation is an important task in remote sensing for forest biomass estimation and ecological monitoring. However, accurate delineation in dense, overlapping canopies remains a bottleneck. While supervised deep learning methods suffer from high annotation costs and limited generalization, emerging foundation models (e.g., Segment Anything Model) often lack domain knowledge, leading to under-segmentation in dense clusters. To bridge this gap, we propose ZS-TreeSeg, a Zero-Shot framework that adapts from two mature tasks: 1) Canopy Semantic segmentation; and 2) Cells instance segmentation. By modeling tree crowns as star-convex objects within a topological flow field using Cellpose-SAM, the ZS-TreeSeg framework forces the mathematical separation of touching tree crown instances based on vector convergence. Experiments on the NEON and BAMFOREST datasets and visual inspection demonstrate that our framework generalizes robustly across diverse sensor types and canopy densities, which can offer a training-free solution for tree crown instance segmentation and labels generation.
• Abstract（参考訳）: 樹冠分割は,森林バイオマス推定と生態モニタリングのためのリモートセンシングにおいて重要な課題である。 しかし、密集した重なり合う天蓋の正確な線引きはいまだにボトルネックとなっている。 教師付きディープラーニング手法は、高いアノテーションコストと限定的な一般化に悩まされているが、新しい基礎モデル(例えば、セグメンツ・ア・シング・モデル)はドメイン知識を欠いていることが多く、密集クラスタの過小評価につながる。 このギャップを埋めるために、ゼロショットフレームワークであるZS-TreeSegを提案する。 1) カノピーセマンティックセグメンテーション,及び 2) セルインスタンスのセグメンテーション。 ZS-TreeSegフレームワークは、樹冠を位相流場内の星凸オブジェクトとしてモデル化することにより、ベクトル収束に基づく木の冠の接点の数学的分離を強制する。 NEONとBAMFORESTデータセットの実験と視覚検査により、我々のフレームワークは多様なセンサタイプとキャノピー密度にまたがって堅牢に一般化され、ツリークラウンインスタンスのセグメンテーションとラベル生成のためのトレーニング不要のソリューションを提供する。

関連論文リスト

• Weakly-Supervised Learning for Tree Instances Segmentation in Airborne Lidar Point Clouds [1.5624421399300306]
  大気中のレーザースキャン(ALS)データのツリーインスタンスセグメンテーションは、森林モニタリングにおいて最も重要である。 人間の操作者による品質評価として,初期セグメンテーション結果のラベルが提供される弱い教師付きアプローチを提案する。 品質評価中に生成されたラベルは、評価モデルをトレーニングするために使用され、そのタスクは、セグメンテーション出力を人間のオペレータが指定したクラスに分類することである。
  論文  参考訳（メタデータ） (2025-08-21T15:25:23Z)
• 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)
• Bridging Classical and Modern Computer Vision: PerceptiveNet for Tree Crown Semantic Segmentation [0.0]
  PerceptiveNetは、トレーニング可能なフィルタパラメータを持つ対数ガボールパラメータ化畳み込み層を組み込んだ、新しいモデルである。 セグメンテーション性能に及ぼすLog-Gabor,Gabor,および標準畳み込み層の影響について検討する。 その結果,ツリークラウンデータセットの性能が向上し,最先端モデルよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2025-05-29T16:11:08Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• Unsupervised Universal Image Segmentation [59.0383635597103]
  本稿では,Unsupervised Universal Model (U2Seg) を提案する。 U2Segは、自己教師付きモデルを利用して、これらのセグメンテーションタスクの擬似意味ラベルを生成する。 次に、これらの擬似意味ラベル上でモデルを自己学習し、かなりの性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-12-28T18:59:04Z)
• A Lightweight Clustering Framework for Unsupervised Semantic Segmentation [28.907274978550493]
  教師なしセマンティックセグメンテーションは、注釈付きデータを用いることなく、画像の各ピクセルを対応するクラスに分類することを目的としている。 教師なしセマンティックセグメンテーションのための軽量クラスタリングフレームワークを提案する。 本フレームワークは,PASCAL VOCおよびMS COCOデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2023-11-30T15:33:42Z)
• Iterative Next Boundary Detection for Instance Segmentation of Tree Rings in Microscopy Images of Shrub Cross Sections [58.720142291102135]
  反復次境界検出(INBD)と呼ばれる新しい反復法を提案する。 自然成長方向を直感的にモデル化し、低木断面の中心から始まり、各ステップにおける次のリング境界を検出する。 我々の実験では、INBDはジェネリックインスタンスセグメンテーション法よりも優れた性能を示し、時間順の概念を組み込んだ唯一の方法である。
  論文  参考訳（メタデータ） (2022-12-06T14:49:41Z)
• Occlusion-Aware Instance Segmentation via BiLayer Network Architectures [73.45922226843435]
  本稿では,2層畳み込みネットワーク(BCNet)を提案する。このネットワークでは,トップ層がオブジェクト(オブオーバ)を検出し,ボトム層が部分的にオブオーバドされたインスタンス(オブオーバド)を推測する。 一般的な畳み込みネットワーク設計,すなわちFCN(Fully Convolutional Network)とGCN(Graph Convolutional Network)を用いた2層構造の有効性について検討する。
  論文  参考訳（メタデータ） (2022-08-08T21:39:26Z)
• Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
  本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
  論文  参考訳（メタデータ） (2021-07-25T08:53:59Z)
• Deep Occlusion-Aware Instance Segmentation with Overlapping BiLayers [72.38919601150175]
  高オーバーラップオブジェクトをセグメント化するBilayer Convolutional Network (BCNet)を提案する。 BCNetはオクルージョンオブジェクト(Occluder)を検出し、ボトムGCN層は部分的にOccludedインスタンス(Occludee)を推論する
  論文  参考訳（メタデータ） (2021-03-23T06:25:42Z)

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。