論文の概要: The Role of Radiometric Features in Cross-Site Leaf-Wood Segmentation of LiDAR Point Clouds

• arxiv url: http://arxiv.org/abs/2609.21903v1
• Date: Fri, 18 Sep 2026 15:31:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.165989
• Title: The Role of Radiometric Features in Cross-Site Leaf-Wood Segmentation of LiDAR Point Clouds
• Title（参考訳）: LiDAR点雲のクロスサイトリーフウードセグメンテーションにおける放射能特性の役割
• Abstract要約: LiDAR点雲からの個々の木の葉木分割は、定量的構造モデルに不可欠である。 幾何学のみのアプローチでは、空中スキャンの粗いトップダウン幾何に一般化できないことを示す。 放射能特性の活用により, 構造的な接続性が向上することが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Leaf-wood segmentation of individual trees from LiDAR point clouds is essential for quantitative structure models (QSMs) used in non-destructive biomass estimation. Existing segmentation methods typically exclude radiometric features (e.g., intensity, return number) to maximize cross-sensor compatibility. We challenge this design choice by evaluating cross-site and cross-platform generalization: training on the public Heidelberg dataset (terrestrial TLS, 1550nm) and testing on a novel dataset from Ontario, Canada (RPA-LS, 905nm). Results show that geometry-only methods - including state-of-the-art deep learning models trained on high-density LiDAR datasets - fail to generalize to the sparse, top-down geometry of aerial scans, achieving F1 scores <= 0.56. Incorporating radiometric features (intensity, return number, number of returns) improves F1 to 0.61, but more critically, increases wood recall by 119% from 0.16 to 0.35. Furthermore, geometry-only approaches often result in fragmented stem and branch components. We find that leveraging radiometric features preserves greater structural connectivity, resulting in more coherent architectures that are better suited for QSM reconstruction. We demonstrate that while geometric patterns are view-dependent and prone to overfitting scan patterns, radiometric features encode physical material properties that generalize across disparate sensors and environments.
• Abstract（参考訳）: 非破壊バイオマス推定に使用される量構造モデル(QSM)には,LiDAR点雲からの個々の木の葉木分画が不可欠である。 既存のセグメンテーション法は、通常、クロスセンサーの互換性を最大化するために、ラジオメトリックの特徴(例えば、強度、戻り数)を除外する。 カナダ・オンタリオ州 (RPA-LS, 905nm) の公共ハイデルベルクデータセット (地球TLS, 1550nm) のトレーニングと, 新たなデータセット (RPA-LS, 905nm) の試験を行う。 その結果、高密度LiDARデータセットでトレーニングされた最先端のディープラーニングモデルを含む幾何学のみの手法は、空中スキャンのスパースでトップダウンの幾何学に一般化できず、F1スコアが0.56であることがわかった。 放射能特性(強度、リターン数、リターン数)を組み込むことでF1から0.61に向上するが、より重要なのは木材のリコールを0.16から0.35に119%増加させることである。 さらに、幾何学のみのアプローチは、しばしば断片化された茎と分岐成分をもたらす。 ラジオメトリック機能を活用することで、より構造的な接続性が保たれ、QSM再構成に適した一貫性のあるアーキテクチャが得られることが判明した。 幾何パターンは視界に依存しており、スキャンパターンの過度な適合が難しいが、放射計は異なるセンサや環境にまたがって一般化する物理的特性を符号化する。

関連論文リスト

• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Radiomic Feature Selection Using Gradient Loss of Deep Neural Network for Lung Cancer Stage Detection [0.0]
  本研究では、ディープニューラルネットワークから勾配感度解析を統合するグラディエント・ロス再帰的特徴除去フレームワークを提案する。 胸部CT検査では, 3DスライダのPyRadiomics拡張法を用いて, 合計106個の放射線像を抽出した。 提案したフレームワークは、90.22%の精度、90.10%の精度、90.24%のリコール、テストデータセットでのF1スコア90.16%の強い分類性能を達成する。
  論文  参考訳（メタデータ） (2026-06-03T04:56:06Z)
• MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
  点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
  論文  参考訳（メタデータ） (2026-01-03T14:58:52Z)
• NormalView: sensor-agnostic tree species classification from backpack and aerial lidar data using geometric projections [2.076162610275395]
  点雲データから木種を分類する,センサに依存しない投射型ディープラーニング手法を提案する。 NormalViewは局所幾何学情報を通常のベクトル推定の形で二次元射影に埋め込む。 マルチスペクトル強度情報が分類性能に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2025-12-05T10:52:55Z)
• On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
  ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。 我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
  論文  参考訳（メタデータ） (2025-07-25T19:58:44Z)
• Individual mapping of large polymorphic shrubs in high mountains using satellite images and deep learning [1.6889377382676625]
  我々は、自由に利用可能な衛星画像について、個々の低木デラインの大規模なデータセットをリリースする。 我々は、すべてのジュニパーを、全生物圏保護区のツリーライン上にマッピングするために、インスタンスセグメンテーションモデルを使用します。 我々のモデルは、PIデータで87.87%、FWデータで76.86%の低木でF1スコアを達成した。
  論文  参考訳（メタデータ） (2024-01-31T16:44:20Z)
• Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
  Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。 リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
  論文  参考訳（メタデータ） (2023-03-20T13:40:11Z)
• NeRF-LOAM: Neural Implicit Representation for Large-Scale Incremental LiDAR Odometry and Mapping [14.433784957457632]
  ニューラルドメトリー,ニューラルマッピング,メッシュ再構成の3つのモジュールからなる新しいNeRF-LOAMを提案する。 提案手法は,LiDARデータを用いた大規模環境において,最先端のオドメトリーとマッピング性能を実現するとともに,強力な一般化を実現する。
  論文  参考訳（メタデータ） (2023-03-19T16:40:36Z)
• Dynamic Refinement Network for Oriented and Densely Packed Object Detection [75.29088991850958]
  本稿では,機能選択モジュール (FSM) と動的改善ヘッド (DRH) の2つの新しいコンポーネントからなる動的精細化ネットワークを提案する。 我々のFSMは、ニューロンがターゲットオブジェクトの形状や向きに応じて受容野を調整できるのに対して、DRHはオブジェクト認識の方法で動的に予測を洗練させる。 我々は、DOTA、HRSC2016、SKU110K、および我々のSKU110K-Rデータセットを含むいくつかの公開ベンチマークで定量的評価を行う。
  論文  参考訳（メタデータ） (2020-05-20T11:35:50Z)

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。