論文の概要: Highly Detailed and Generalizable Broadleaf Tree Crown Instance Segmentation from UAV Imagery

• arxiv url: http://arxiv.org/abs/2605.15673v1
• Date: Fri, 15 May 2026 06:50:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.199182
• Title: Highly Detailed and Generalizable Broadleaf Tree Crown Instance Segmentation from UAV Imagery
• Title（参考訳）: UAV画像からの高精細で一般化可能なブロードリーフクラウンインスタンスセグメンテーション
• Authors: Mitsutaka Nakada, Takahiko Ikebata, Kengo Ikebata, Yuji Mizuno, Yusuke Onoda, Ryuichi Takeshige, Kyaw Kyaw Htoo, Kanehiro Kitayama, Robert Ong, Masanori Onishi,
• Abstract要約: 広葉樹林における樹冠の起伏は、樹冠形状の多様性と明確に定義された樹冠の欠如により、他の森林種よりも困難である。 そこで我々は,高品質なアノテートクラウンアウトラインに基づいて学習した深層学習に基づくクラウンセグメンテーションモデルを開発した。 開発モデルは、UAVを使用した実用的な森林モニタリングをサポートするソフトウェアであるDF Scanner Proに統合されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a highly detailed instance segmentation model for delineating individual tree crowns in natural broadleaf forests using aerial imagery acquired by unmanned aerial vehicles (UAVs). Tree crown delineation in broadleaf forests is more challenging than in other forest types due to diversity of crown shapes and the lack of clearly defined treetops. To address this issue, we developed a deep-learning-based crown segmentation model trained on high-quality annotated crown outlines. We manually delineated 18,507 crown polygons from orthomosaic images collected across seven forests in Japan by skilled annotators, and developed a model based on Mask2Former with multiple backbone architectures. The best model achieved high segmentation performance in structurally complex broadleaf forests using only RGB imagery. This performance was maintained when applied to geographically distinct forests within Japan, as well as to biologically distinct tropical rainforests in Borneo. These results demonstrate that using a large number of high-quality annotated datasets is critical for achieving detailed and generalizable crown segmentation across diverse forest ecosystems. The developed model has been integrated into DF Scanner Pro, a software that supports practical forest monitoring using UAVs, and this implementation is expected to enable a wide range of users to analyze tree-level information in broadleaf forest from UAVs.
• Abstract（参考訳）: 無人航空機 (UAV) が取得した航空画像を用いて, 自然広葉樹林の樹冠を記述するための, 高精度な例分割モデルを提案する。 広葉樹林における樹冠の起伏は、樹冠形状の多様性と明確に定義された樹冠の欠如により、他の森林種よりも困難である。 そこで我々は,高品質なアノテートクラウンアウトラインに基づいて学習した深層学習に基づくクラウンセグメンテーションモデルを開発した。 本研究は,日本の7つの森林で収集された古モザイク画像から,手動で18,507個のクラウンポリゴンを抽出し,複数のバックボーン構造を持つMask2Formerに基づくモデルを開発した。 RGB画像のみを用いて,構造的に複雑な広葉樹林において高いセグメンテーション性能を達成した。 日本の地理的に異なる森林や、ボルネオの生物学的に異なる熱帯雨林にも適用された。 これらの結果から,多種多様な森林生態系にまたがる詳細なクラウンセグメンテーションを実現するためには,高品質なアノテートデータセットの大量使用が重要であることが示唆された。 このモデルは,UAVを用いた森林モニタリングを支援するソフトウェアであるDF Scanner Proに統合され,広葉樹林における木レベル情報をUAVから解析することが可能であることが期待されている。

関連論文リスト

• Estimating Individual Tree Height and Species from UAV Imagery [16.423929827492493]
  BIRCH-Treesは,樹高を推定する最初のベンチマークであり,樹木中心のUAV画像から種を推定する。 また,視覚基礎モデル(VFM)のバックボーンとタスク固有の頭部を併用した統合的アプローチとしてDINOvTreeを提案する。
  論文  参考訳（メタデータ） (2026-03-24T19:16:24Z)
• SelvaMask: Segmenting Trees in Tropical Forests and Beyond [1.5215420208038806]
  SelvaMaskは、パナマ、ブラジル、エクアドルの3つの熱帯林に8,800本の樹冠を手動で並べた新しいデータセットである。 本手法は,高密度熱帯林におけるゼロショットジェネリストモデルと完全教師付きエンド・ツー・エンド手法の両方を上回り,最先端性能に到達している。
  論文  参考訳（メタデータ） (2026-02-02T18:26:56Z)
• Trees as Gaussians: Large-Scale Individual Tree Mapping [6.798019232699303]
  樹木は地球生物圏の重要な要素であり、生態系の機能、気候規制、生物生態学において重要な役割を担っている。 利用可能なグローバル製品はバイナリツリーカバーやキャノピー高さに重点を置いており、個々のレベルでツリーを明示的に識別していない。 本研究では,地球規模で3m解像度のPlanetScope画像における大規模個体木検出のための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-08-29T09:04:53Z)
• Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery [68.69685477556682]
  現在のモニタリング手法には、大規模なコスト、時間、労力を必要とする地上計測が含まれる。 ドローンのリモートセンシングとコンピュータビジョンは、広範囲の航空画像から個々の木をマッピングする大きな可能性を秘めている。 高解像度ドローン画像におけるツリークラウンインスタンスの自動セグメンテーションのためのセグメンテーションモデル(SAM)を用いた手法の比較を行った。 また,デジタルサーフェスモデル(DSM)情報を用いたモデルへの標高データの統合についても検討した。
  論文  参考訳（メタデータ） (2025-06-05T12:43:11Z)
• 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)
• Not Every Tree Is a Forest: Benchmarking Forest Types from Satellite Remote Sensing [1.2266381182650026]
  この研究は、多時間衛星データを用いたグローバルスケールのForest TYpesマッピングのベンチマークであるForTyを紹介する。 ベンチマークは20万の時系列の画像パッチで構成され、それぞれがSentinel-2、Sentinel-1、気候、標高データで構成されている。 コンボリューションニューラルネットワークやトランスフォーマーベースモデルなど,いくつかのベースラインモデルを用いて森林型データセットを評価する。
  論文  参考訳（メタデータ） (2025-05-03T12:20:50Z)
• Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery [68.69685477556682]
  現在のモニタリング手法では、各種に対して手動で木を計測し、コスト、時間、労働力を必要とする。 ドローンリモートセンシングとコンピュータビジョンの進歩は、空中画像から木をマッピングし、特徴づける大きな可能性を秘めている。 若木植林の高分解能ドローン画像における樹冠の自動区分け作業におけるSAM法の比較を行った。 SAM out-of-box を用いたメソッドは、よく設計されたプロンプトであっても、カスタム Mask R-CNN よりも優れているわけではないが、SAM をチューニングするメソッドの可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-26T03:45:36Z)
• Forecasting with Hyper-Trees [50.72190208487953]
  Hyper-Treesは時系列モデルのパラメータを学習するために設計されている。 対象とする時系列モデルのパラメータを特徴に関連付けることで、Hyper-Treesはパラメータ非定常性の問題にも対処する。 この新しいアプローチでは、木はまず入力特徴から情報表現を生成し、浅いネットワークはターゲットモデルパラメータにマップする。
  論文  参考訳（メタデータ） (2024-05-13T15:22:15Z)
• PureForest: A Large-Scale Aerial Lidar and Aerial Imagery Dataset for Tree Species Classification in Monospecific Forests [0.0]
  木種分類用に設計された大規模でオープンなマルチモーダルデータセットであるPureForestデータセットを提案する。 樹種分類のための現在の一般のLidarデータセットは、ほとんどの場合、数十ヘクタールの注釈付きヘクタールの小さな領域にしか達しないため、多様性が低い。 対照的に、PureForestは18の樹種を13のセマンティッククラスに分類し、449の異なる単種林に339 km$2$で分布する。
  論文  参考訳（メタデータ） (2024-04-18T10:23:10Z)
• ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
  我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。 ForenscisForestは、新しく提案された多層階層のカスケード林である。 Hybrid ForensicsForestはCNNレイヤをモデルに統合する。 Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
  論文  参考訳（メタデータ） (2023-08-02T06:41:19Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)

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。