从无人机遥感影像估计 individual tree 高度与种类
计算机视觉与模式识别
2026-03-26 v1 人工智能
机器学习
摘要
准确估计森林生物量（主要作为碳汇）依赖于树木级别的特征，如高度和种类。无人机搭载单摄像头高分辨率 RGB 影像的航空拍摄提供了一种成本有效且可扩展的用于映射和测量 individual tree 的方法。我们引入 BIRCH-Trees，首个针对从 tree-centered UAV 影像估计 individual tree 高度与种类的基准数据集，涵盖三个数据集：温带森林、热带森林和苔北植被林场。我们还提出 DINOvTree，一种采用 Vision Foundation Model (VFM) backbone 并搭配任务特定头部的统一方法，同时预测高度和种类。在 BIRCH-Trees 上进行大规模评估，我们将 DINOvTree 与常用视觉方法进行比较，包括 VFM 以及生物学 allometric 方程。我们发现 DINOvTree 在整体上取得最佳结果，实现精准的高度预测和具竞争力的分类准确率，同时仅使用第二名方法的 54% 至 58% 的参数量。
引用
@article{arxiv.2603.23669,
title = {Estimating Individual Tree Height and Species from UAV Imagery},
author = {Jannik Endres and Etienne Laliberté and David Rolnick and Arthur Ouaknine},
journal= {arXiv preprint arXiv:2603.23669},
year = {2026}
}
备注
Project page: https://RolnickLab.github.io/DINOvTree