Learning to Predict Aboveground Biomass from RGB Images with 3D Synthetic Scenes
Created by
Haebom
Category
Empty
저자
Silvia Zuffi
개요
단일 지상 RGB 이미지로부터 위성 생물량(AGB)을 추정하는 새로운 학습 기반 방법을 제안합니다. AGB 밀도 맵을 도입하여 3D SPREAD 데이터 세트를 활용하고, 이를 통해 훈련된 모델은 AGB를 예측합니다. 이 방법은 합성 및 실제 데이터 세트에서 유망한 결과를 보여주며, 확장 가능하고 비용 효율적인 산림 모니터링 솔루션의 가능성을 제시합니다.
시사점, 한계점
•
단일 RGB 이미지에서 AGB를 직접 추정하는 최초의 방법입니다.
•
확장 가능하고 해석 가능하며 비용 효율적인 산림 모니터링 솔루션을 제공합니다.
•
시민 과학 이니셔티브를 통한 더 넓은 참여를 가능하게 합니다.
•
중앙값 AGB 추정 오류가 합성 데이터에서 1.22 kg/m^2, 실제 이미지 데이터 세트에서 1.94 kg/m^2입니다.
