3D Сегментация органов растений с использованием SAM3 и Semantic NEFS

arXiv: 26009,0724v1 Annuales Type: новый резюме: точная 3D сегментация органов растений имеет основополагающее значение для автоматизированной фенотификации. Существующие подходы основаны на аннотированных данных о подготовке кадров или конфигурациях моделей для конкретных видов. Мы представляем безаннотный трубопровод для трехмерной сегментации органов растений, сочетающий сегментацию SAM3 в текстовой форме с полями семантического нейронного излучения (NERFs). Учитывая только многовидовые изображения RGB и список названий классов, наш нулевой трубопровод производит семантически маркированные 3D облаков без ручного аннотации, отладки по каждому виду или предварительной обработки по конкретному домену. Мультивидный синтез NERF выступает в качестве эффективного имплицитного механизма достижения консенсуса, который поднимает несовершенные маски на кадрах в точные 3D-маркировки. На контролируемой Бегонии, с помощью теста, трубопровод SAM3 достиг 92,6 % миоу, достигнув 95,9% верхней границы оракула, установленной идеальными масками наземной правды. Была проведена дальнейшая оценка трубопровода на основе нового набора данных, охватывающего десять различных облаков в точках установки и достигающего акватории