論文の概要: Boundary-Enhanced Segmentation of Pig Point Clouds in Commercial Housing Environments
- arxiv url: http://arxiv.org/abs/2608.11697v1
- Date: Wed, 12 Aug 2026 06:15:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.479326
- Title: Boundary-Enhanced Segmentation of Pig Point Clouds in Commercial Housing Environments
- Title（参考訳）: 商業住宅環境における豚点群集の境界拡大
- Abstract要約: ピッグポイント雲は、しばしば背景構造と密接な接触を起こし、ぼやけたターゲット境界、局所的な付着、背景のミスセグメンテーションをもたらす。
本研究では,境界特徴解析に基づく豚点雲分割法を提案する。
提案手法では,Octree Transformerをバックボーンネットワークとして採用し,局所幾何学的詳細をグローバルな意味文脈と統合する。
- 参考スコア（独自算出の注目度）: 22.590093437858368
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In real pigsty environments, pig point clouds often come into close contact with background structures, resulting in blurred target boundaries, local adhesion, and background mis-segmentation. This reduces the accuracy of subsequent point cloud completion and body size measurement. To address these challenges, this study proposes a pig point cloud segmentation method based on boundary feature analysis. The proposed method adopts Octree Transformer as the backbone network and integrates local geometric details with global semantic context through octree convolution, self-attention encoding, and multi-scale feature fusion. Furthermore, soft-distance boundary pseudo-labels are generated to provide continuous boundary supervision, and a bidirectional cross-boundary semantic module is designed to enable explicit interaction between boundary and semantic features. Experiments conducted on a comprehensive dataset demonstrate that the proposed method significantly outperforms various state-of-the-art models in terms of segmentation accuracy, mean intersection over union, and boundary delineation. The results indicate that the method effectively alleviates boundary adhesion, providing reliable point cloud inputs for downstream precision livestock farming tasks.
- Abstract（参考訳）: 実際の豚の環境では、豚の点雲が背景構造と密接な接触をすることが多く、その結果、ぼやけた標的の境界線、局所的な付着、背景のミスセグメンテーションが生じる。
これにより、その後の点雲の完了と体の大きさの測定の精度が低下する。
これらの課題に対処するために,境界特徴解析に基づく豚点雲分割法を提案する。
提案手法は,Octree Transformerをバックボーンネットワークとして採用し,オクツリー畳み込み,自己アテンション符号化,マルチスケール機能融合を通じて局所幾何学的詳細をグローバルな意味文脈と統合する。
さらに, ソフト距離境界の擬似ラベルを生成して連続的な境界管理を行い, 境界特徴と意味的特徴との明示的な相互作用を可能にする双方向境界セマンティックモジュールを設計する。
包括的データセットを用いて行った実験により, 提案手法は, 分割精度, 結合平均交点, 境界デラインの両面において, 様々な最先端モデルを著しく上回ることを示した。
以上の結果から,下流の精度の高い畜産作業に信頼性の高い点雲入力を提供することにより,バウンダリの付着を効果的に軽減できることが示唆された。
関連論文リスト
- DFG-PCN: Point Cloud Completion with Degree-Flexible Point Graph [17.079595595415466]
本稿では,DFG-PCN(Degree-Flexible Point Graph Completion Network)と呼ばれるポイントクラウド補完フレームワークを提案する。
特徴変動と曲率を組み合わせて、構造的に重要な領域に焦点を合わせるディテール・アウェア・メトリックを使用して、ノードの次数を適応的に割り当てる。
論文 参考訳（メタデータ） (2025-09-28T07:28:42Z) - PointCFormer: a Relation-based Progressive Feature Extraction Network for Point Cloud Completion [19.503392612245474]
ポイントクラウドの完成は、不完全なポイントクラウドから完全な3D形状を再構築することを目的としている。
PointCFormerは,ロバストなグローバル保持と正確な局所的詳細キャプチャに最適化されたトランスフォーマーフレームワークである。
PointCFormerは、広く使用されているベンチマークで最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2024-12-11T14:37:21Z) - A Robust and Efficient Boundary Point Detection Method by Measuring Local Direction Dispersion [8.906932064891796]
境界点検出は、クラスタの外輪郭構造を概説することを目的としている。
既存の境界点検出器は密度に敏感であり、凹凸構造における境界点を特定できない。
局所方向分散(LoDD)に基づくロバストで効率的な境界点検出法を提案する。
論文 参考訳（メタデータ） (2023-12-07T06:09:21Z) - Compositional Semantic Mix for Domain Adaptation in Point Cloud
Segmentation [65.78246406460305]
合成意味混合は、ポイントクラウドセグメンテーションのための最初の教師なし領域適応技術である。
本稿では、ソースドメイン(例えば合成)からの点雲とターゲットドメイン(例えば実世界)からの点雲を同時に処理できる2分岐対称ネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-08-28T14:43:36Z) - Push-the-Boundary: Boundary-aware Feature Propagation for Semantic
Segmentation of 3D Point Clouds [0.5249805590164901]
本研究では,オブジェクト境界近傍のセマンティックセグメンテーションを改善するための境界対応特徴伝搬機構を提案する。
1つの共有エンコーダで、ネットワークは、(i)境界ローカライゼーション、(ii)オブジェクトの内部を指す方向の予測、(iii)セマンティックセグメンテーションを3つの並列ストリームで出力する。
提案手法は境界誤差を低減することによって一貫した改善をもたらす。
論文 参考訳（メタデータ） (2022-12-23T15:42:01Z) - Adaptive Edge-to-Edge Interaction Learning for Point Cloud Analysis [118.30840667784206]
ポイントクラウドデータ処理の大きな問題は、ローカルリージョンから有用な情報を抽出することだ。
従来の研究は、局所的な形状情報を符号化する地域におけるエッジ間の関係を無視していた。
本稿では,Adaptive Edge-to-Edge Interaction Learningモジュールを提案する。
論文 参考訳（メタデータ） (2022-11-20T07:10:14Z) - Learning a Structured Latent Space for Unsupervised Point Cloud
Completion [48.79411151132766]
部分点雲と完全点雲の両方を符号化する統一的で構造化された潜在空間を学習する新しいフレームワークを提案する。
提案手法は、合成ShapeNetと実世界のKITTI、ScanNet、Matterport3Dデータセットの両方において、最先端の教師なし手法を一貫して上回っている。
論文 参考訳（メタデータ） (2022-03-29T13:58:44Z) - Contrastive Boundary Learning for Point Cloud Segmentation [81.7289734276872]
本稿では,ポイントクラウドセグメンテーションのための新しい対照的な境界学習フレームワークを提案する。
実験により、CBLは、異なるベースラインを一貫して改善し、バウンダリにおける魅力的なパフォーマンスを達成するのに役立ちます。
論文 参考訳（メタデータ） (2022-03-10T10:08:09Z) - Boundary Guided Context Aggregation for Semantic Segmentation [23.709865471981313]
我々は、画像の全体的意味理解を促進するために、コンテキストアグリゲーションのための重要なガイダンスとして境界を利用する。
我々はCityscapesとADE20Kデータベースに関する広範な実験を行い、最先端の手法で同等の結果を得る。
論文 参考訳（メタデータ） (2021-10-27T17:04:38Z) - Active Boundary Loss for Semantic Segmentation [58.72057610093194]
本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。
エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。
実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
論文 参考訳（メタデータ） (2021-02-04T15:47:54Z) - Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。
これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。
SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文 参考訳（メタデータ） (2020-02-11T14:04:56Z)
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。