論文の概要: RootQuantV2: Adapting a Vision Foundation Model for Root-Trait Regression from Minirhizotron Imagery

• arxiv url: http://arxiv.org/abs/2609.25567v1
• Date: Tue, 22 Sep 2026 01:59:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.17359
• Title: RootQuantV2: Adapting a Vision Foundation Model for Root-Trait Regression from Minirhizotron Imagery
• Title（参考訳）: RootQuantV2:ミニリゾトロン画像からのルートトレーニング回帰に対するビジョン基礎モデルの適用
• Abstract要約: ミニリゾトロン(Minirhizotrons)は、フィールド環境における標準的な非破壊的なルートフェノタイピング法である。 RootQuantV2はRootQuantのCNNバックボーンを自己監督型のViTに置き換える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A lack of high-throughput phenotyping solutions for root traits in field-grown crops has severely constrained understanding and improvement of below-ground traits and processes. Minirhizotrons are the standard non-destructive root-phenotyping method in field environments. Computer vision solutions are needed to allow automated trait estimation at scale, but training data is scarce and human annotations are often inaccessible because they reside in proprietary software that only exports per-image scalar totals of root length and surface area. Nevertheless, large numeric archives of these root traits already exist. RootQuant showed that the traits can be predicted directly from the whole image by regression, thus removing manually traced masks from the pipeline; RootQuantV2 takes that idea further by replacing RootQuant's CNN backbone with a self-supervised ViT. We adapt a frozen DINOv3 ViT-L/16 with a hybrid parameter-efficient scheme. Training only 11.9M parameters (3.78% of the model), RootQuantV2 achieves length and area $R^2$ of 0.950 and 0.930, respectively, while lowering length/area RMSE by 24.3%/20.7% over RootQuant. RootQuantV2 thus repurposes legacy numeric archives for high-throughput, automated root trait estimation.
• Abstract（参考訳）: 畑栽培作物の根形質に対する高スループット表現型解の欠如は、地下形質や過程の理解と改善を厳しく制限している。 ミニリゾトロン(Minirhizotrons)は、フィールド環境における標準的な非破壊的なルートフェノタイピング法である。 コンピュータビジョンソリューションは、大規模に自動的な特性推定を可能にするために必要とされているが、トレーニングデータが少なく、人間のアノテーションは、根長と表面積のスカラーの合計をエクスポートするだけのプロプライエタリなソフトウェアに常駐しているため、アクセスできないことが多い。 しかし、これらの根本特性の大規模な数値アーカイブは既に存在する。 RootQuantのCNNバックボーンを自己管理型のViTに置き換えることで、RootQuantV2はさらにそのアイデアを取り入れている。 凍結したDINOv3 ViT-L/16をパラメータ効率のハイブリッド方式で適用する。 モデルの1.9Mパラメータ(3.78%)のみをトレーニングし、RootQuantV2は長さと面積をそれぞれ$R^2$ 0.950と0.930とし、RootQuantより長さ/面積RMSEを24.3%/20.7%下げた。 これにより、RootQuantV2は、レガシな数値アーカイブを高スループットで自動化されたルート特性推定のために再利用する。

関連論文リスト

• Marigold V2: Revisiting Diffusion Transformers for Monocular Depth Estimation [68.73567966621631]
  最新の画像生成および編集モデルを再開発する一連の手法であるMarigoldを、最先端の単眼深度推定器に再検討する。 我々のレシピは、事前訓練されたマルチステップフローマッチングモデルから単一ステップの推論を目標とし、必要に応じて量子化を行い、安価な実行環境を維持しながらモデルキャパシティを保存する。 その結果,AbsRel は KITTI や ETH3D よりも16～26% 向上した。
  論文  参考訳（メタデータ） (2026-09-08T00:52:01Z)
• Debiased neural operators for estimating functionals [55.79111577184338]
  本稿では,ニューラル演算子から得られる解軌跡の定量化のための半値推定器であるDOPEを紹介する。 DOPEとは対照的に、単純なプラグイン推定は1次バイアスに悩まされる可能性がある。 そこで我々は, ニューラル作用素を関数空間間の高次元ニュアンスマッピングとして扱う新しい一段階, ニーマン直交推定器を導出した。
  論文  参考訳（メタデータ） (2026-04-21T10:02:36Z)
• Can We Remove the Square-Root in Adaptive Gradient Methods? A Second-Order Perspective [26.539517450598044]
  適応手法の動作が根の除去時にどのように変化するか,すなわち2階のモチベーションを強化するかを検討する。 驚いたことに、このような平方根自由適応法は畳み込みアーキテクチャ上のSGDへの一般化ギャップを閉じている。
  論文  参考訳（メタデータ） (2024-02-05T20:15:19Z)
• Winner-Take-All Column Row Sampling for Memory Efficient Adaptation of Language Model [89.8764435351222]
  分散を低減した行列生成のために, WTA-CRS と呼ばれる新しい非バイアス推定系を提案する。 我々の研究は、チューニング変換器の文脈において、提案した推定器が既存のものよりも低い分散を示すという理論的および実験的証拠を提供する。
  論文  参考訳（メタデータ） (2023-05-24T15:52:08Z)
• PSLT: A Light-weight Vision Transformer with Ladder Self-Attention and Progressive Shift [139.17852337764586]
  Vision Transformer (ViT) は、長距離依存をモデル化できるため、様々な視覚的タスクに対して大きな可能性を示している。 本稿では,複数の枝を持つラダー自己保持ブロックと,軽量トランスフォーマーバックボーンを開発するためのプログレッシブシフト機構を提案する。
  論文  参考訳（メタデータ） (2023-04-07T05:21:37Z)
• Attention Map Guided Transformer Pruning for Edge Device [98.42178656762114]
  視覚トランスフォーマー (ViT) は, 全体的かつ隠蔽された人物再識別 (Re-ID) タスクにおいて, 有望な成功を収めた。 本稿では、冗長なトークンとヘッドの両方を除去する新しいアテンションマップガイド(AMG)トランスフォーマープルーニング法を提案する。 Occluded DukeMTMC と Market-1501 に関する総合的な実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-04-04T01:51:53Z)
• Estimating Parameters of the Tree Root in Heterogeneous Soil Environments via Mask-Guided Multi-Polarimetric Integration Neural Network [9.673288206580578]
  地中レーダ(GPR)は樹木根検査の非破壊ツールとして使用されている。 GPRレーダグラムから根関連パラメータを推定することは、根の健康モニタリングとイメージングを大いに促進する。 ルート反射は、複数のルートパラメータとルート配向の複雑な関数である。 マスク誘導型マルチポーラリメトリック統合ニューラルネットワーク(MMI-Net)と呼ばれる新しいニューラルネットワークアーキテクチャを提案し、複数のルート関連パラメータを自動的に同時に推定する。
  論文  参考訳（メタデータ） (2021-12-27T03:28:30Z)
• Cryptanalytic Extraction of Neural Network Models [56.738871473622865]
  遠隔モデルのパラメータを浮動小数点精度まで効率的に盗むことができる差動攻撃を導入する。 我々の攻撃は、ReLUニューラルネットワークが一括線形関数であるという事実に依存している。 220倍の正確さと100倍のクエリを必要とするモデルを抽出する。
  論文  参考訳（メタデータ） (2020-03-10T17:57:14Z)

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。