論文の概要: Colour Extraction Pipeline for Odonates using Computer Vision

• arxiv url: http://arxiv.org/abs/2604.18725v1
• Date: Mon, 20 Apr 2026 18:23:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.418617
• Title: Colour Extraction Pipeline for Odonates using Computer Vision
• Title（参考訳）: コンピュータビジョンによる象牙質色抽出パイプライン
• Authors: Megan Mirnalini Sundaram Rajaraman, Fons J. Verbeek, Vincent J. Kalkman, Rita Pucci,
• Abstract要約: 深層ニューラルネットワークを用いて,オドン酸塩の体部位を同定し,分節するパイプラインを提案する。 市民科学プラットフォームからのオープンソースイメージを使用することで、我々のアプローチは、各目に見える対象(オードレート)を頭部、胸骨、腹部、翼に分割できることを示す。
• 参考スコア（独自算出の注目度）: 2.810729246924796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The correlation between insect morphological traits and climate has been documented in physiological studies, but such studies remain limited by the time-consuming nature of the data analysis. In particular, the open source datasets often lack annotations of species' morphological traits, making dedicated annotations campaigns necessary; these efforts are typically local in scale and costly. In this paper, we propose a pipeline to identify and segment body parts of Odonates (dragonflies and damselflies) using deep neural networks, with the ultimate goal of extracting body parts' colouration. The pipeline is trained on a limited annotated dataset and refined with pseudo supervised data. We show that, by using open source images from citizen science platforms, our approach can segment each visible subject (Odonates) into head, thorax, abdomen, and wings and then extract a colour palette for each body part. This will enable large-scale statistical analysis of ecological correlations (e.g., between colouration and climate change, habitat loss, or geolocation) which are crucial for quantifying and assessing ecosystem biodiversity status.
• Abstract（参考訳）: 昆虫の形態的特徴と気候の相関関係は生理学的研究で報告されているが、これらの研究はデータ分析の時間的特性によって制限されている。 特に、オープンソースデータセットは、しばしば種の形態的特性のアノテーションを欠いているため、専用のアノテーションキャンペーンが必要である。 本稿では,深層ニューラルネットワークを用いてオオナミ科の体部を識別・分節するパイプラインを提案する。 パイプラインは限定的な注釈付きデータセットでトレーニングされ、疑似教師付きデータで洗練される。 市民科学プラットフォームからのオープンソース画像を用いて, 頭部, 胸部, 腹部, 翼に各可視被写体(オドン酸塩)を分割し, 体部位ごとにカラーパレットを抽出できることが示される。 これにより、生態系の生物多様性状態の定量化と評価に不可欠な生態学的相関(例えば、着色と気候変動、生息地喪失、位置決め)の大規模統計分析が可能になる。

関連論文リスト

• Automatic Image-Level Morphological Trait Annotation for Organismal Images [11.844505008466884]
  本稿では,正規分布領域をローカライズし,視覚言語プロンプトを用いて解釈可能な特徴記述を生成する特徴アノテーションパイプラインを提案する。 我々は,BioSCAN-5Mから19Kの昆虫画像にまたがる80K特性アノテーションのデータセットであるBioscan-Traitsを構築した。
  論文  参考訳（メタデータ） (2026-04-02T04:55:52Z)
• eLasmobranc Dataset: An Image Dataset for Elasmobranch Species Recognition and Biodiversity Monitoring [0.0]
  エラスモブランチの個体数は世界規模で著しく減少しており、現在いくつかの種が絶滅危惧種に分類されている。 既存のビジュアルデータセットは、主に検出指向、水中取得、または粗い粒度のカテゴリに限定されている。 スペイン東部の地中海沿岸に生息する7種のエラスモブランチのイメージコレクションであるeLasmobrancデータセットについて紹介する。
  論文  参考訳（メタデータ） (2026-03-11T12:57:56Z)
• A continental-scale dataset of ground beetles with high-resolution images and validated morphological trait measurements [13.860603856120795]
  地上の甲虫は生態系の健康にとって重要な生物指標である。 ナショナル・エコロジー・オブザーバネットワーク(NEON)は、アメリカ全土のカラビッド標本を広範囲に収集している。 大陸とハワイにまたがる30の地点から,高分解能イメージングにより13,200 NEON カラビドをデジタル化したデータセットを作成した。 データセットは、デジタルで測定された各標本の長さと幅を含み、AIを用いた自動形質抽出の基礎を確立する。
  論文  参考訳（メタデータ） (2026-01-14T18:44:54Z)
• BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
  生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。 我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。 得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
  論文  参考訳（メタデータ） (2025-05-29T17:48:20Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Instrumental Variable Estimation for Compositional Treatments [4.656302602746229]
  構成データは、生態学における種数、単細胞シークエンシングデータ由来の細胞型組成物、および微生物研究におけるアンプリコン量データを含む。 ここでは、構成が原因となる機器変数設定において、構成データに対する因果的視点を提供する。
  論文  参考訳（メタデータ） (2021-06-21T16:29:41Z)

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。