Generative Plant Growth Simulation from Sequence-Informed Environmental Conditions

要約

植物成長シミュレーションは、植物または植物システムの再構成された視覚的表現として特徴付けることができます。
表現型の特徴と植物の構造は、シーン環境やその他の文脈上の属性によって制御されます。
成長軌道に対するさまざまな要因の時間的依存性と複合効果を考慮して、フレーム合成とパターン認識の問題を解決することにより、シミュレーション タスクへの確率的アプローチを定式化します。
条件付き生成モデルを使用して、低次元の時間センサーとコンテキスト データの融合から動的シーン内で可能な植物表現の分布を暗黙的に学習する、シーケンス情報に基づく植物成長シミュレーション フレームワーク (SI-PGS) を紹介します。
制御された潜在サンプリングや反復出力接続などの方法は、予測フレーム間のプラント構造の一貫性を向上させるために使用されます。
この研究では、SI-PGS が時間依存性を捕捉し、植物成長の現実的なフレームを継続的に生成できることを実証します。

要約(オリジナル)

A plant growth simulation can be characterized as a reconstructed visual representation of a plant or plant system. The phenotypic characteristics and plant structures are controlled by the scene environment and other contextual attributes. Considering the temporal dependencies and compounding effects of various factors on growth trajectories, we formulate a probabilistic approach to the simulation task by solving a frame synthesis and pattern recognition problem. We introduce a sequence-informed plant growth simulation framework (SI-PGS) that employs a conditional generative model to implicitly learn a distribution of possible plant representations within a dynamic scene from a fusion of low dimensional temporal sensor and context data. Methods such as controlled latent sampling and recurrent output connections are used to improve coherence in the plant structures between frames of predictions. In this work, we demonstrate that SI-PGS is able to capture temporal dependencies and continuously generate realistic frames of plant growth.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google