合成および実森林における樹木インスタンスセグメンテーションのための粒度に着目した転移
arXiv cs.CV / 2026/4/16
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、実森林では粗い樹木ラベルのみが利用可能である一方、合成データには幹／樹冠の詳細なアノテーションが含まれる状況での、樹木インスタンスセグメンテーションにおける合成→実データ転移を扱う。
- Sim-Real転移におけるラベル粒度の制約を評価することに特化した、53kの合成画像と3.6kの実画像から成る混在粒度データセットMGTDを提案する。
- 提案する4段階の学習／評価プロトコルにより、ドメインシフトと粒度の不一致を分離し、性能向上をより適切に要因分解できるようにする。
- 主な手法である粒度に着目した蒸留（MGTD）では、微細な合成「教師」から粗いラベルの「学生」へ、ロジット空間でのマージとマスクの統一化を用いて構造的事前知識を転移する。
- 実験では一貫したマスクAPの改善が報告されており、とりわけ小さな／遠方の樹木で効果が大きい。MGTDは、将来のSim-Real林業向け知覚研究のためのテストベッドとして位置付けられる。
