論文の概要: Multimodal Plant Root Phenotyping with Integration of 3D Skeleton Extraction and Language Analysis
- arxiv url: http://arxiv.org/abs/2608.03109v1
- Date: Tue, 04 Aug 2026 04:30:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.033065
- Title: Multimodal Plant Root Phenotyping with Integration of 3D Skeleton Extraction and Language Analysis
- Title(参考訳): 3次元スケルトン抽出と言語解析の統合によるマルチモーダルプラント根面表現
- Abstract要約: 植物の根の表現型付けは、下層構造を理解し、作物管理を最適化し、農業の持続可能性を向上させるのに不可欠である。
本稿では,3次元骨格抽出と言語誘導推論を統合した多モードロボットAIフレームワークを提案する。
- 参考スコア(独自算出の注目度): 23.808424925425243
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plant root phenotyping is fundamental to understanding below-ground structures, optimizing crop management, and improving agricultural sustainability. This paper presents a multimodal robotic AI framework that integrates 3D skeleton extraction with language-guided reasoning for interpretable and data-efficient root analysis. We develop an unsupervised skeleton extraction network based on Weighted Laplacian Contraction (W-LBC) to generate high-fidelity structural representations from dense point clouds captured by robotic 3D sensing platforms. Quantitative morphological descriptors, including root count, length, branching angle, and density, are computed from the reconstructed skeleton graph to capture geometric and topological characteristics. Building on these features, we introduce an Evidence-First language modeling framework that fine-tunes GPT as an interactive analytical chatbot using automatically generated instruction--response pairs. Each training sample provides measurable evidence before natural-language reasoning, enabling the model to ground interpretation in quantitative morphology. Through supervised fine-tuning, GPT associates numerical structure with semantic meaning, producing biologically consistent explanations of growth patterns and adaptive traits. Experiments show that the structure-guided framework achieves robust, interpretable reasoning across 12 plant species with diverse root architectures. By integrating unsupervised 3D geometric perception with large-scale language understanding, our approach bridges quantitative analysis and semantic interpretation, establishing a unified paradigm for explainable robotic plant root phenotyping.
- Abstract(参考訳): 植物の根の表現型付けは、下層構造を理解し、作物管理を最適化し、農業の持続可能性を向上させるのに不可欠である。
本稿では,3次元骨格抽出と言語誘導推論を統合した多モードロボットAIフレームワークを提案する。
重み付きラプラシアン収縮(W-LBC)に基づく非教師付き骨格抽出ネットワークを開発し,ロボット3Dセンシングプラットフォームで捕捉した高密度点雲から高忠実度構造表現を生成する。
復元された骨格グラフから, ルート数, 長さ, 分岐角度, 密度などの定量的な形態記述子を計算し, 幾何学的および位相的特性を捉える。
これらの特徴に基づいて,自動生成した命令応答対を用いた対話型分析チャットボットとしてGPTを微調整するEvidence-First言語モデリングフレームワークを導入する。
それぞれのトレーニングサンプルは、自然言語の推論の前に測定可能な証拠を提供し、モデルが定量的形態学の解釈を基礎にすることができる。
教師付き微調整により、GPTは数値構造と意味を関連付け、成長パターンと適応形質の生物学的に一貫した説明を生み出す。
実験により、構造誘導の枠組みは、多種多様な根構造を持つ12の植物種にまたがる堅牢で解釈可能な推論を実現することが示された。
教師なし3次元幾何学的認識と大規模言語理解を組み合わせることで,定量的解析と意味解釈を橋渡しし,説明可能な植物根表現のための統一パラダイムを確立した。
関連論文リスト
- A Persistent Homology Design Space for 3D Point Cloud Deep Learning [5.810033007426438]
Persistent Homology (PH)は、本質的な形状の安定なマルチスケール記述子を提供する。
強力な理論的保証と経験的採用の増大にもかかわらず、ポイントクラウドのためのディープラーニングへの統合は、概してアドホックであり、アーキテクチャ的にも周辺的である。
本研究では,3次元点群における永続-ホモロジー駆動学習のための統一設計空間を提案する。
論文 参考訳(メタデータ) (2026-04-05T22:38:37Z) - CAPSUL: A Comprehensive Human Protein Benchmark for Subcellular Localization [50.559485139565076]
我々は, 多様な3次元構造表現と微細な細胞内局在アノテーションを統合するデータセットである $mathbfCAPSUL$ という新しいベンチマークを導入する。
このベンチマークは、様々な最先端のシーケンスベースモデルと構造ベースモデルを用いて評価し、この課題に構造的特徴を関与させることの重要性を示す。
最後に,Golgi 装置のケーススタディを通じて,構造に基づく手法の強力な解釈可能性を示す。
論文 参考訳(メタデータ) (2026-03-19T07:33:04Z) - SGR3 Model: Scene Graph Retrieval-Reasoning Model in 3D [51.32219731589742]
3Dシーングラフは、オブジェクトエンティティとその関連性の構造化された表現を提供する。
3次元シーングラフ生成のための既存のアプローチは、通常、シーン再構成とグラフニューラルネットワーク(GNN)を組み合わせる。
本研究では,3次元のSGR3モデルを用いたScene Graph Retrieval-Reasoning Modelを提案する。
論文 参考訳(メタデータ) (2026-03-04T21:19:54Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳(メタデータ) (2026-01-27T04:00:48Z) - FloraForge: LLM-Assisted Procedural Generation of Editable and Analysis-Ready 3D Plant Geometric Models For Agricultural Applications [13.923496304391044]
ドメインエキスパートが生物学的に正確でパラメトリックな3D植物モデルを作成できるLLM支援フレームワークであるFloraForgeについて紹介する。
我々のフレームワークは、LLM対応の共設計を利用して、パラメータ化された植物を階層的なB-スプライン表面表現として生成するPythonスクリプトを洗練する。
本研究では, トウモロコシ, 大豆, ムン豆について, 実証点クラウドデータに手続きモデルを適用した枠組みを実証する。
論文 参考訳(メタデータ) (2025-12-11T23:28:25Z) - Image-based Morphological Characterization of Filamentous Biological Structures with Non-constant Curvature Shape Feature [2.099922236065961]
身体の異なる部位でメカノ刺激を受けた場合, 腱の形状変化を経時的に解析できる画像ベース手法を提案する。
メカニカル・ラビング後の腱の形状を再構成するために, 3次元ピアース・ワイズ・クロソイドモデルを用いた幾何学的手法を用いる。
以上の結果から, 腱の根尖部における反応性は, 臓器のその部位において高い感度と組織の柔軟性に対応している可能性が示唆された。
論文 参考訳(メタデータ) (2025-11-09T04:54:16Z) - Hierarchical Neural Semantic Representation for 3D Semantic Correspondence [72.8101601086805]
階層型ニューラルセマンティック表現(HNSR)を設計し,高次構造と多分解能局所幾何学的特徴を捉える。
第2に,グローバルなセマンティック特徴を用いた粗いセマンティック対応を確立する,プログレッシブなグローバル-ローカルマッチング戦略を設計する。
第3に,本フレームワークはトレーニングフリーで,様々なトレーニング済みの3D生成バックボーンと広範囲に互換性があり,多様な形状カテゴリにまたがる強力な一般化が示されている。
論文 参考訳(メタデータ) (2025-09-22T07:23:07Z) - 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) - Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。
LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。
新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
論文 参考訳(メタデータ) (2024-10-24T17:54:42Z) - Explaining Text Similarity in Transformer Models [52.571158418102584]
説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。
両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。
我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
論文 参考訳(メタデータ) (2024-05-10T17:11:31Z) - Elastic Shape Analysis of Tree-like 3D Objects using Extended SRVF
Representation [18.728209940066055]
木のような3次元オブジェクトの形状間の測地変形を表現・比較・計算するためのフレームワークを開発する。
サブツリーの階層的な構造は、これらのオブジェクトを特徴づける。
次に、一方の木の形の物体を他方に変形させるために必要な曲げ、伸び、分岐スライディングを定量化する新しい計量を定義する。
論文 参考訳(メタデータ) (2021-10-17T00:59:36Z)
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。