論文の概要: StomaD2: An All-in-One System for Intelligent Stomatal Phenotype Analysis via Diffusion-Based Restoration Detection Network
- arxiv url: http://arxiv.org/abs/2604.18632v1
- Date: Sat, 18 Apr 2026 17:33:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-22 22:41:49.370552
- Title: StomaD2: An All-in-One System for Intelligent Stomatal Phenotype Analysis via Diffusion-Based Restoration Detection Network
- Title（参考訳）: StomaD2:拡散型修復検出ネットワークによる知的気孔形態解析のためのオールインワンシステム
- Authors: Quanling Zhao, Meng'en Qin, Yanfeng Sun, Yuan Miao, Xiaohui Yang,
- Abstract要約: 非侵襲的修復検出統合フレームワークであるStomaD2は、正確で高速な気腫性表現型を実現するために開発された。
このフレームワークは、劣化した画像を復元するための拡散ベースの復元モジュールと、ストマタの小さく、密度が高く、散らばった特性に合わせて特別に回転した物体検出ネットワークを備えている。
StomaD2の結果は、その強力な一般化性と、大規模な表現型化、植物生理学分析、精密農業への応用の可能性を強調している。
- 参考スコア（独自算出の注目度）: 15.271094712265645
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stomata play a crucial role in regulating plant physiological processes and reflecting environmental responses. However, accurate and high-throughput stomatal phenotyping remains challenging, as conventional approaches rely on destructive sampling and manual annotation, restricting large-scale and field deployment. To overcome these limitations, a noninvasive restoration-detection integrated framework, termed StomaD2, is developed to achieve accurate and fast stomatal phenotyping under complex imaging conditions. The framework incorporates a diffusion-based restoration module to recover degraded images and a specialized rotated object detection network tailored to the small, dense, and cluttered characteristics of stomata. The proposed network enhances feature representation through three key innovations: a column-wise structure for global feature interaction, context-aware resampling and reweighting mechanism to improve multi-scale consistency, and a feature reassembly module to boost discrimination against complex backgrounds. In extensive comparisons, StomaD2 demonstrated state-of-the-art performance. On public Maize and Wheat datasets, it achieved accuracies of 0.994 and 0.992, respectively, significantly outperforming existing benchmarks. When benchmarked against ten other advanced models, including Oriented Former and YOLOv12, StomaD2 achieved a top-tier F1-score/mAP of 0.989. The framework is integrated into a user-friendly, field-operable system that supports the fast extraction of eight stomatal phenotypes, such as density and conductance. Validated on more than 130 plant species, StomaD2's results highlight its strong generalizability and potential for large-scale phenotyping, plant physiology analysis, and precision agriculture applications.
- Abstract（参考訳）: 胃は植物の生理的過程を調節し、環境反応を反映する上で重要な役割を担っている。
しかし, 従来の手法では, 大規模および現場展開を制限した, 破壊的サンプリングと手動アノテーションに頼っているため, 精度が高く, 高精度な気質表現法は依然として困難である。
これらの制限を克服するために、StomaD2と呼ばれる非侵襲的修復検出統合フレームワークが開発され、複雑な画像条件下で、正確で高速な気管表現を可能にする。
このフレームワークは、劣化した画像を復元するための拡散ベースの復元モジュールと、ストマタの小さく、密度が高く、散らばった特性に合わせて特別に回転した物体検出ネットワークを備えている。
提案するネットワークは,グローバル機能インタラクションのためのカラムワイド構造,マルチスケール一貫性向上のためのコンテキスト認識再サンプリングと再重み付け機構,複雑な背景に対する識別を促進する機能再組立モジュールの3つの重要なイノベーションを通じて,特徴表現を強化する。
大規模な比較では、StomaD2は最先端の性能を示した。
公開のMaizeデータセットとWheatデータセットでは、それぞれ0.994と0.992のアキュラティを達成し、既存のベンチマークよりも大幅に上回った。
Oriented former や YOLOv12 を含む他の10種類の先進モデルと比較すると、StomaD2 は 0.989 の F1-score/mAP を達成している。
このフレームワークは、密度やコンダクタンスといった8つの気質表現型の高速抽出をサポートする、ユーザフレンドリーで、フィールド操作可能なシステムに統合されている。
130種以上の植物で検証されたStomaD2の結果は、その強力な一般化性と、大規模な表現型化、植物生理学分析、精密農業への応用の可能性を強調している。
関連論文リスト
- UniField: A Unified Field-Aware MRI Enhancement Framework [45.03230466428695]
methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。
我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。
我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
論文 参考訳（メタデータ） (2026-03-10T05:45:12Z) - Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - DNA: Uncovering Universal Latent Forgery Knowledge [39.19379714306656]
フォージェリ検出機能は、すでにトレーニング済みのモデル内にエンコードされている。
DNAフレームワークは粗大な発掘機構を採用している。
Hifi-Genは、最新のモデルの上に構築された高忠実度合成ベンチマークである。
論文 参考訳（メタデータ） (2026-01-30T03:48:30Z) - Dynamic Meta-Ensemble Framework for Efficient and Accurate Deep Learning in Plant Leaf Disease Detection on Resource-Constrained Edge Devices [0.0]
資源制約下での高精度植物病診断のための新しい動的メタエンブルフレームワーク(DMEF)を提案する。
DMEFは適応重み付け機構を採用し、3つの軽量畳み込みニューラルネットワークの予測を動的に組み合わせている。
ジャガイモとトウモロコシ病のベンチマークデータセットの実験では、それぞれ99.53%と96.61%の最先端の分類精度が示されている。
論文 参考訳（メタデータ） (2026-01-24T03:57:49Z) - I-GLIDE: Input Groups for Latent Health Indicators in Degradation Estimation [1.034052616244602]
本稿では, 健康指標構築のための新しい枠組みを紹介し, 3つの重要な貢献を推し進める。
我々は、RUL予測の健康指標(HI)としてプロジェクテッドパスウェイ(RaPP)に沿ってレコンストラクションを適応し、従来のリコンストラクションエラー指標よりも優れていることを示す。
また,センササブセットを分離してシステム固有の劣化をモデル化する手法であるインジケータグループを提案し,新しい手法であるI-GLIDEを提案する。
論文 参考訳（メタデータ） (2025-11-26T09:39:35Z) - Compressing Biology: Evaluating the Stable Diffusion VAE for Phenotypic Drug Discovery [0.8594140167290097]
セルペイント画像の再構成のためのSDVAE(Stable Diffusion's variational autoencoder)の最初の体系的評価を行った。
SDVAEの再構成は,表現型シグナルを最小限の損失で保存し,顕微鏡での使用をサポートすることが確認された。
本研究は, 顕微鏡データにおける生成モデル評価のための実践的ガイドラインを提供し, 表現型薬物発見における既成モデルの利用を支援する。
論文 参考訳（メタデータ） (2025-10-22T16:16:49Z) - Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency [60.74505433956616]
連続時間一貫性モデル(sCM)は理論的に原理化され、学術規模の拡散を加速するために実証的に強力である。
まず並列性互換なFlashAttention-2 JVPカーネルを開発し、100億以上のパラメータと高次元ビデオタスクを持つモデル上でsCMトレーニングを可能にする。
本稿では, スコア蒸留を長軸正則化器として組み込んだスコア規則化連続時間一貫性モデル(rCM)を提案する。
論文 参考訳（メタデータ） (2025-10-09T16:45:30Z) - Ensemble YOLO Framework for Multi-Domain Mitotic Figure Detection in Histopathology Images [0.7541656202645494]
YOLOv5とYOLOv8の2つの近代的な1段検出器は、MIDOG++、CMC、CCMCTデータセットで訓練された。
YOLOv5は高い精度(84.3%)を達成し、YOLOv8は改善されたリコール(82.6%)を提供した。
我々のアンサンブルは、F1スコア79.2%、精度73.6%、リコール85.8%で5位にランクされ、提案された戦略が未確認のテストデータに対して効果的に一般化されていることを確認した。
論文 参考訳（メタデータ） (2025-09-03T02:43:02Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - Learning transformer-based heterogeneously salient graph representation for multimodal remote sensing image classification [42.15709954199397]
本稿では,変圧器を用いたヘテロジニアサリエントグラフ表現法(THSGR)を提案する。
まず、多モード不均一グラフエンコーダを用いて、非ユークリッド構造の特徴を異種データから符号化する。
自己アテンションフリーなマルチ畳み込み変調器は、効果的かつ効率的な長期依存性モデリングのために設計されている。
論文 参考訳（メタデータ） (2023-11-17T04:06:20Z)
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。