論文の概要: Sapling-NeRF: Geo-Localised Sapling Reconstruction in Forests for Ecological Monitoring

• arxiv url: http://arxiv.org/abs/2602.22731v1
• Date: Thu, 26 Feb 2026 08:13:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.590589
• Title: Sapling-NeRF: Geo-Localised Sapling Reconstruction in Forests for Ecological Monitoring
• Title（参考訳）: サップリング-NeRF:環境モニタリングのための森林におけるジオローカライズされたサップリング復元
• Authors: Miguel Ángel Muñoz-Bañón, Nived Chebrolu, Sruthi M. Krishna Moorthy, Yifu Tao, Fernando Torres, Roberto Salguero-Gómez, Maurice Fallon,
• Abstract要約: サップは森林再生と森林全体の健康の指標である。 従来の3Dセンシング手法では、微細なアーキテクチャ特性を捉えることができない。 本研究では,NeRF,LiDAR SLAM,Andlingを融合させて,繰り返し,地理的に局在したサップリングモニタリングを可能にするパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 36.7717316600672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Saplings are key indicators of forest regeneration and overall forest health. However, their fine-scale architectural traits are difficult to capture with existing 3D sensing methods, which make quantitative evaluation difficult. Terrestrial Laser Scanners (TLS), Mobile Laser Scanners (MLS), or traditional photogrammetry approaches poorly reconstruct thin branches, dense foliage, and lack the scale consistency needed for long-term monitoring. Implicit 3D reconstruction methods such as Neural Radiance Fields (NeRF) and 3D Gaussian Splatting (3DGS) are promising alternatives, but cannot recover the true scale of a scene and lack any means to be accurately geo-localised. In this paper, we present a pipeline which fuses NeRF, LiDAR SLAM, and GNSS to enable repeatable, geo-localised ecological monitoring of saplings. Our system proposes a three-level representation: (i) coarse Earth-frame localisation using GNSS, (ii) LiDAR-based SLAM for centimetre-accurate localisation and reconstruction, and (iii) NeRF-derived object-centric dense reconstruction of individual saplings. This approach enables repeatable quantitative evaluation and long-term monitoring of sapling traits. Our experiments in forest plots in Wytham Woods (Oxford, UK) and Evo (Finland) show that stem height, branching patterns, and leaf-to-wood ratios can be captured with increased accuracy as compared to TLS. We demonstrate that accurate stem skeletons and leaf distributions can be measured for saplings with heights between 0.5m and 2m in situ, giving ecologists access to richer structural and quantitative data for analysing forest dynamics.
• Abstract（参考訳）: サプリメントは森林再生と森林全体の健康の指標である。 しかし, 既存の3次元センシング手法では, 微細構造特性の把握が困難であり, 定量的評価が困難である。 地上レーザースキャナー(TLS)、移動レーザースキャナー(MLS)、または従来のフォトグラム法(英語版)は、細い枝、密葉、長期監視に必要なスケールの整合性に欠ける。 ニューラルレイディアンスフィールド(NeRF)や3Dガウススプラッティング(3DGS)のような暗示的な3次元再構成手法は、望まれる代替手段であるが、シーンの真の規模を回復することはできず、正確な位置決めを行う手段が欠如している。 本稿では, NRF, LiDAR SLAM, GNSSを融合させて, 繰り返し, 地理的に局在したサップリングの生態系モニタリングを可能にするパイプラインを提案する。 本システムでは,3段階の表現を提案する。 (i)GNSSを用いた粗大な地球フレームの局部化 (II)LiDARを用いた精度の高い局所化と再構築のためのSLAM 三 個々のサップリングのNeRF由来の物体中心高密度再構成 このアプローチは,サップリング特性の定量的評価と長期モニタリングを可能にする。 Wytham Woods (Oxford, UK) と Evo (Finland) の森林区画実験では, 茎の高さ, 枝分かれパターン, 葉と木の比率がTLSと比較して高い精度で測定可能であることが示された。 樹高0.5mから2mのサップリングでは, 正確な骨格と葉の分布を測定でき, 生態学者はよりリッチな構造的・定量的なデータにアクセスでき, 森林動態を解析できることを示した。

関連論文リスト

• From Canopy to Ground via ForestGen3D: Learning Cross-Domain Generation of 3D Forest Structure from Aerial-to-Terrestrial LiDAR [0.8233028449337972]
  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。
  論文  参考訳（メタデータ） (2025-09-19T18:39:50Z)
• 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)
• 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)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• Comparative Analysis of Novel View Synthesis and Photogrammetry for 3D Forest Stand Reconstruction and extraction of individual tree parameters [2.153174198957389]
  光度測定は一般的に森林の景観の再構築に使われるが、低効率や低品質といった課題に直面している。 NeRFは、天蓋領域ではよいが、視野が限られている地上領域ではエラーが発生する可能性がある。 3DGS法は胸の高さ(DBH)の精度に影響を及ぼすスペーサー点雲を生成する。
  論文  参考訳（メタデータ） (2024-10-08T07:53:21Z)
• Dual Hyperspectral Mamba for Efficient Spectral Compressive Imaging [102.35787741640749]
  本稿では,グローバルな長距離依存関係と局所的コンテキストの両方を探索し,効率的なHSI再構成を実現するために,DHM(Dual Hyperspectral Mamba)を提案する。 具体的には、DHMは複数の双対超スペクトルS4ブロック(DHSB)から構成され、元のHSIを復元する。
  論文  参考訳（メタデータ） (2024-06-01T14:14:40Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Pseudo RGB-D for Self-Improving Monocular SLAM and Depth Prediction [72.30870535815258]
  モノクロ深度予測のためのCNNは、周囲の環境の3Dマップを構築するための2つの大きく不連続なアプローチを表している。 本稿では,CNN予測深度を利用してRGB-D特徴量に基づくSLAMを行う,狭義の広義の自己改善フレームワークを提案する。 一方、より原理化された幾何学的SLAMの3次元シーン構造とカメラポーズは、新しい広義のベースライン損失により奥行きネットワークに注入される。
  論文  参考訳（メタデータ） (2020-04-22T16:31:59Z)

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。