PlantPose：基于树约束图生成的通用植物骨架估计
计算机视觉与模式识别
2026-05-19 v1
摘要
准确估计植物骨架结构（如分支结构）对于智能农业和植物科学至关重要。与固定拓扑的人类骨架估计不同，植物骨架估计呈现独特的挑战，即从图像中估计任意树形图。为解决此问题，我们引入 PlantPose，通过树约束图生成实现通用植物骨架估计器。PlantPose 将基于学习的图生成与传统图算法结合，用于在训练循环中强制执行树约束。为增强模型的泛化能力，我们策划了一个大型且多样化的数据集，包含真实世界和合成植物图像，以及简化表示（如草图和抽象绘图）。该数据集使通用模型能够适应多样化的输入样式和植物图像类别，同时保持拓扑一致性。我们的做法在多个领域展示了稳健且准确的植物骨架估计，包括之前看不见的 out-of-domain 场景。进一步的分析突显了该方法在处理复杂异构数据分布方面的优势和局限性。所有实现和数据集均可在 https://github.com/huntorochi/PlantPose/ 上获取。
引用
@article{arxiv.2605.17773,
title = {PlantPose: Universal Plant Skeleton Estimation via Tree-constrained Graph Generation},
author = {Xinpeng Liu and Hiroaki Santo and Yosuke Toda and Fumio Okura},
journal= {arXiv preprint arXiv:2605.17773},
year = {2026}
}
备注
International Journal of Computer Vision, 2026