研究人员开发了一种自监督学习方法，以提高树木点云中叶木分割的准确性和鲁棒性。通过在大型数据集上预训练Point-M2AE架构，该模型在针叶树和阔叶树的木材分割准确性方面表现出显著的改进。这种增强的模型在不同森林类型和尺度上也表现出卓越的性能，在样地级分割中保持高精度，并在下游应用中实现更精确的木材体积估算。 AI
影响 这项研究可能带来更准确的森林清单和生物量估算，这对于气候变化监测和可持续森林管理至关重要。
排序理由 该集群包含一篇详细介绍点云分割新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.06948v1 Announce Type: cross Abstract: The accuracy of existing leaf-wood segmentation methods for tree point clouds varies across forest types and sites. Self-supervised learning (SSL) on point clouds has improved the generalization of deep learning models for forestr…
The accuracy of existing leaf-wood segmentation methods for tree point clouds varies across forest types and sites. Self-supervised learning (SSL) on point clouds has improved the generalization of deep learning models for forestry point cloud tasks, including biomass regression …