TreeFormer：基于树约束图生成的单视图植物骨架估计
计算机视觉与模式识别
2024-11-26 v1
摘要
从图像中准确估计植物骨架结构（如分支结构）是智能农业和植物科学中的重要任务。与人类骨架具有固定拓扑结构不同，植物骨架估计具有独特挑战，即从图像估计任意树形图。虽然最近的图生成方法成功地从图像中推断细小结构，但严格将输出图约束为树结构仍具挑战性。为此，我们提出了TreeFormer，通过树约束图生成实现植物骨架估计。我们的方法将基于学习的图生成与传统图算法相结合，在训练循环中施加约束。具体而言，我们的方法在训练循环中将无约束图投影到最小生成树（MST）上，并通过抑制不需要的特征值将此先验知识纳入梯度下降优化中。实验表明，我们的方法能够准确地估计多个领域的目标植物骨架结构：合成树形图案、真实植物根系和藤蔓分支。我们的实现已公开于 https://github.com/huntorochi/TreeFormer/。
引用
@article{arxiv.2411.16132,
title = {TreeFormer: Single-view Plant Skeleton Estimation via Tree-constrained Graph Generation},
author = {Xinpeng Liu and Hiroaki Santo and Yosuke Toda and Fumio Okura},
journal= {arXiv preprint arXiv:2411.16132},
year = {2024}
}
备注
IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2025)