LAESI: 基于合成图像的叶面积估计
计算机视觉与模式识别
2024-04-02 v1 人工智能
图形学
机器学习
摘要
我们引入了 LAESI，一个包含 100,000 张带有毫米方格纸背景的合成叶片图像的合成叶片数据集，每张图像均带有语义掩码和表面积标签。该数据集为叶片形态学分析提供了资源，主要针对山毛榉叶和橡树叶。我们通过训练用于预测叶片表面积和语义分割的机器学习模型，并使用真实图像进行验证，以此评估该数据集的适用性。我们的验证表明，这些模型经训练后预测叶片表面积的相对误差不大于人类标注者的平均水平。LAESI 还提供了一个基于 3D 程序化模型和生成式 AI 的高效框架，用于大规模、可控的数据生成，在农业和生物学领域具有潜在的进一步应用。我们评估了在程序化数据生成流程中引入生成式 AI 的效果，并展示了基于标注一致性的数据过滤如何生成能够训练出性能最优视觉模型的数据集。
引用
@article{arxiv.2404.00593,
title = {LAESI: Leaf Area Estimation with Synthetic Imagery},
author = {Jacek Kałużny and Yannik Schreckenberg and Karol Cyganik and Peter Annighöfer and Sören Pirk and Dominik L. Michels and Mikolaj Cieslak and Farhah Assaad-Gerbert and Bedrich Benes and Wojciech Pałubicki},
journal= {arXiv preprint arXiv:2404.00593},
year = {2024}
}
备注
10 pages, 12 figures, 1 table