論文の概要: Evaluating Mesh Reconstruction Methods for Crop Phenotyping

• arxiv url: http://arxiv.org/abs/2609.16926v1
• Date: Tue, 15 Sep 2026 10:02:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.439446
• Title: Evaluating Mesh Reconstruction Methods for Crop Phenotyping
• Title（参考訳）: Crop Phenotypingのためのメッシュ再構成法の評価
• Abstract要約: 収穫表現のためのメッシュ再構築パイプラインを7つ評価した。 GGGSパイプラインは、第2ベストパイプライン(2DGS)よりも5次元のレーダチャートで約27%向上している。
• 参考スコア（独自算出の注目度）: 14.147142772277393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phenotyping an agricultural crop is crucial for studying its entire life cycle, as it provides vital insights to improve yield and, ultimately, food production. Doing the same for crops grown on remote sites is a challenge for the specialists who cannot be available on-site. 3D reconstruction techniques offer a promising solution to this problem by enabling crop digitization, allowing specialists to access the resulting 3D crop models from anywhere at any time. In this work, we evaluate recent 3D reconstruction pipelines for crop phenotyping. We focus on 7 mesh reconstruction pipelines and measure the fidelity and consistency of their outputs qualitatively and quantitatively. Our results suggest that the meshes produced by the GGGS, PGSR, and 2DGS are preferable to the other pipelines, owing to their quantitative metrics and visually pleasing outputs. The GGGS pipeline is better than the second-best pipeline (2DGS) by about 27\% on the radar chart with 5 dimensions, namely, User ratings, Chamfer distance, LPIPS, PSNR, and SSIM.
• Abstract（参考訳）: 農作物を耕作することは、生産量を改善するための重要な洞察を提供するため、そのライフサイクル全体を研究するために不可欠である。 リモートサイトで栽培される作物についても同じことをすることは、現場では利用できない専門家にとって課題である。 3D再構成技術は、作物のデジタル化を可能にすることでこの問題に対する有望な解決策を提供する。 本研究では,近年の収穫表現のための3次元再構築パイプラインの評価を行った。 7つのメッシュ再構築パイプラインに注目し、その出力の忠実度と一貫性を質的かつ定量的に測定する。 以上の結果から,GGGS,PGSR,2DGSが生成するメッシュは他のパイプラインよりも望ましいことが示唆された。 GGGSパイプラインは、レーダチャートにおいて、ユーザレーティング、チャンファー距離、LPIPS、PSNR、SSIMの5次元で、第2ベットパイプライン(2DGS)よりも約27倍よい。

関連論文リスト

• UAV3DCrop: Benchmarking 3D Reconstruction in Repeated Multi-Angle UAV Crop Surveys [18.115823206583666]
  UAV3DCrop (UAV3DCrop) は、多角式無人航空機 (UAV) による作物調査のベンチマークである。 88,830枚のRGB画像が5,280×3956ドルピクセルで、トウモロコシ、大豆、小麦、麦の91のシーンから3.6-5.8mmの地中サンプリング距離がある。
  論文  参考訳（メタデータ） (2026-08-03T03:17:42Z)
• CIPHER: Culvert Inspection through Pairwise Frame Selection and High-Efficiency Reconstruction [53.9319127526742]
  視覚的に反復的な環境下でのカルバート様構造に対する効率的なRGBベースの3次元再構成パイプラインを提案する。 提案手法は,まず情報フレームペアを選択し,適切な対応性を確保しつつ,視点の多様性を最大化する。 実験により,本手法は正確な3次元再構成と深度マップを効果的に生成し,人間の介入を最小限に抑えながら探傷効率を向上することを示した。
  論文  参考訳（メタデータ） (2026-03-14T23:00:19Z)
• Object-Centric 3D Gaussian Splatting for Strawberry Plant Reconstruction and Phenotyping [21.752518657362888]
  ストロベリーはアメリカ合衆国で最も経済的に重要な果物であり、年間20億ドル以上のファームゲート販売を生み出している。 伝統的な植物表現法は、時間がかかり、労働集約的であり、しばしば破壊的である。 本稿では,前処理パイプラインを組み込んだオブジェクト中心の3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-04T02:55:46Z)
• Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse [6.845690057916755]
  我々は、RGB-Dカメラ、3D LiDAR、IMUセンサーを備えた軽量無人航空機(UAV)を開発した。 本研究では,収穫行と成長行の2つのデータセットを用いてシステム評価を行う。 本研究は, 商業用温室における効率的なロボット収量推定のためのUAVの可能性を示すものである。
  論文  参考訳（メタデータ） (2025-05-02T04:41:57Z)
• A Survey on 3D Reconstruction Techniques in Plant Phenotyping: From Classical Methods to Neural Radiance Fields (NeRF), 3D Gaussian Splatting (3DGS), and Beyond [15.48852238904361]
  植物形質転換は、植物形質とその環境との相互作用を理解する上で重要な役割を担っている。 3D再構成技術は、植物の形態や構造を詳細に把握するための強力なツールとして登場した。 本稿では,植物表現の3次元再構成技術について概説する。
  論文  参考訳（メタデータ） (2025-04-30T02:04:23Z)
• Robust soybean seed yield estimation using high-throughput ground robot videos [8.084994998197569]
  伝統的な収量データの収集方法は、労働集約的でコストがかかり、重要なデータ収集時に機器が故障する傾向があり、現場で機器を輸送する必要がある。 コンピュータビジョンは、視覚データを解釈するコンピュータの分野であり、画像から直接詳細な収量情報を抽出することができる。 本稿では,コンピュータビジョンとディープラーニング技術を用いた高スループットシードカウントを利用したダイズ収量推定手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T18:13:51Z)
• RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
  マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。 本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
  論文  参考訳（メタデータ） (2023-12-19T03:39:56Z)
• Three Pillars improving Vision Foundation Model Distillation for Lidar [61.56521056618988]
  蒸留における3つの柱の効果について検討した。3Dバックボーン,2Dバックボーン,および事前学習データセットである。 ScaLRと呼ばれるスケーラブルな蒸留法により、2Dと3Dのバックボーンのスケーリングと多様なデータセットの事前トレーニングにより、機能品質が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2023-10-26T15:54:43Z)
• Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
  そこで本研究では,深度推定のためのドメイン適応手法を提案する。 提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。 実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
  論文  参考訳（メタデータ） (2021-09-24T08:11:34Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Exemplar Fine-Tuning for 3D Human Model Fitting Towards In-the-Wild 3D Human Pose Estimation [107.07047303858664]
  3次元の地平線アノテーションを持つ大規模な人的データセットは、野生では入手が困難である。 既存の2Dデータセットを高品質な3Dポーズマッチングで拡張することで、この問題に対処する。 結果として得られるアノテーションは、3Dのプロシージャネットワークをスクラッチからトレーニングするのに十分である。
  論文  参考訳（メタデータ） (2020-04-07T20:21:18Z)

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。