論文の概要: PlantPose: Universal Plant Skeleton Estimation via Tree-constrained Graph Generation
- arxiv url: http://arxiv.org/abs/2605.17773v1
- Date: Mon, 18 May 2026 02:46:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:48.607277
- Title: PlantPose: Universal Plant Skeleton Estimation via Tree-constrained Graph Generation
- Title（参考訳）: PlantPose:木制約グラフ生成による普遍的植物骨格推定
- Authors: Xinpeng Liu, Hiroaki Santo, Yosuke Toda, Fumio Okura,
- Abstract要約: 本稿では,木制約グラフ生成による植物骨格の普遍的推定法であるPlanetPoseを紹介する。
PlantPoseは学習ベースのグラフ生成と従来のグラフアルゴリズムを組み合わせることで、トレーニングループ中に木の制約を強制する。
本手法は,複数領域にわたる植物骨格の堅牢かつ正確な推定方法を示す。
- 参考スコア（独自算出の注目度）: 16.241282394201225
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate estimation of plant skeletal structures (e.g., branching structures) from images is essential for smart agriculture and plant science. Unlike human skeletons with fixed topology, plant skeleton estimation presents a unique challenge, i.e., estimating arbitrary tree graphs from images. To address this problem, we introduce PlantPose, a universal plant skeleton estimator via tree-constrained graph generation. PlantPose combines learning-based graph generation with traditional graph algorithms to enforce tree constraints during the training loop. To enhance the model's generalization capability, we curate a large and diverse dataset comprising real-world and synthetic plant images, along with simplified representations (e.g., sketches and abstract drawings). This dataset enables the generalized model to adapt to diverse input styles and categories of plant images while preserving topological consistency. Our approach demonstrates robust and accurate plant skeleton estimation across multiple domains, including previously unseen out-of-domain scenarios. Further analyses highlight the method's strengths and limitations in handling complex, heterogeneous data distributions. All implementations and datasets are available at https://github.com/huntorochi/PlantPose/.
- Abstract（参考訳）: 画像からの植物の骨格構造(例えば枝分かれ構造)の正確な推定は、スマート農業や植物科学にとって不可欠である。
固定されたトポロジーを持つヒトの骨格とは異なり、植物骨格推定は、画像から任意の木グラフを推定する、というユニークな課題を示す。
この問題に対処するために,木制約グラフ生成による植物骨格の普遍的推定法であるPlanetPoseを紹介した。
PlantPoseは学習ベースのグラフ生成と従来のグラフアルゴリズムを組み合わせることで、トレーニングループ中に木の制約を強制する。
モデルの一般化能力を高めるために,実世界の植物画像と合成植物画像と簡易な表現(スケッチ,抽象図面など)からなる大規模で多様なデータセットをキュレートする。
このデータセットにより、一般化されたモデルは、トポロジ的一貫性を維持しながら、多様な入力スタイルや植物画像のカテゴリに適応することができる。
提案手法は,これまで見つからなかった領域外シナリオを含む,複数の領域にわたる堅牢で正確な植物骨格推定を実証する。
さらに分析は、複雑で不均一なデータ分散を扱う際の方法の強みと限界を強調している。
すべての実装とデータセットはhttps://github.com/huntorochi/PlantPose/で入手できる。
関連論文リスト
- Zero-shot Hierarchical Plant Segmentation via Foundation Segmentation Models and Text-to-image Attention [19.2882360692347]
基礎セグメンテーションモデルは、訓練なしでトップビューの作物画像から合理的なリーフインスタンス抽出を実現する。
トップビュー画像からロゼット型植物個体に対するゼロショットセグメンテーションであるZeroPlantSegを紹介する。
論文 参考訳（メタデータ） (2025-09-11T02:53:58Z) - Learning to Infer Parameterized Representations of Plants from 3D Scans [2.6774002558989705]
我々はL-systemsベースの手続きモデルを用いて仮想植物でニューラルネットワークを訓練する。
トレーニング後、このネットワークは入力された3Dポイントクラウドに基づいてパラメトリックツリーのような表現を推論することができる。
ケノポジウム・アルバム植物に対する我々のアプローチを,合成植物実験を用いて評価し,我々の統合されたフレームワークが様々なタスクを担っていることを示す。
論文 参考訳（メタデータ） (2025-05-28T13:23:48Z) - 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) - TreeFormer: Single-view Plant Skeleton Estimation via Tree-constrained Graph Generation [13.507708659476064]
木制約グラフ生成による植物骨格推定装置であるTreeFormerを提案する。
学習に基づくグラフ生成と従来のグラフアルゴリズムを組み合わせることで,学習ループの制約を課す。
実験の結果,本手法は複数領域の植物骨格構造を正確に推定できることがわかった。
論文 参考訳（メタデータ） (2024-11-25T06:43:20Z) - Improving Data Efficiency for Plant Cover Prediction with Label
Interpolation and Monte-Carlo Cropping [7.993547048820065]
植物群落の組成は環境変化の重要な指標であり、通常生態学的研究で分析される。
本稿では,収集した植生計画時系列のスパースラベルを中間密度・未ラベル画像に補間する手法を提案する。
また,高解像度画像の処理を効率的に行うため,モンテカルロ・クロッピングと呼ばれる新しい手法を導入する。
論文 参考訳（メタデータ） (2023-07-17T15:17:39Z) - TranSG: Transformer-Based Skeleton Graph Prototype Contrastive Learning
with Structure-Trajectory Prompted Reconstruction for Person
Re-Identification [63.903237777588316]
3Dスケルトンデータによる人物再識別(re-ID)は、顕著な優位性を持つ新興トピックである。
既存の方法は通常、生の関節を持つ骨格記述子を設計するか、あるいは骨格配列表現学習を行う。
本稿では,構造軌道を誘導する再構成によるコントラスト学習(TranSG)手法を提案する。
論文 参考訳（メタデータ） (2023-03-13T02:27:45Z) - GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。
提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。
第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
論文 参考訳（メタデータ） (2022-12-01T11:49:07Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
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。