Creating Image Datasets in Agricultural Environments using DALL.E: Generative AI-Powered Large Language Model

要約

この研究では、農業におけるデータ生成および視覚化技術の進歩における人工知能 (AI)、特に OpenAI による DALL.E モデルの役割を調査しました。
高度な AI 画像ジェネレーターである DALL.E は、ChatGPT の言語処理と連携して、テキストの説明と画像のヒントをコンテンツの現実的な視覚表現に変換します。
この研究では、テキストから画像への手法と画像から画像への手法（バリエーション）の両方の画像生成アプローチを使用しました。
果樹の作付環境を表す 6 種類のデータセットが生成されました。
これらの AI 生成画像は、実際の農地のセンサーによってキャプチャされたグラウンド トゥルース画像と比較されました。
比較は、ピーク信号対雑音比 (PSNR) および特徴類似性指数 (FSIM) メトリクスに基づいて行われました。
画像から画像への生成では、テキストから画像への方法に比べて平均 PSNR が 5.78% 増加し、画像の鮮明さと品質が優れていることがわかりました。
ただし、この方法では平均 FSIM が 10.23% 減少する結果となり、元の画像との構造的およびテクスチャーの類似性が低下していることがわかります。
これらの測定と同様に、人による評価でも、画像から画像へのアプローチで生成された画像と比較して、画像から画像へのベースの方法を使用して生成された画像がより現実的であることが示されました。
この結果は、現実的な農業画像データセットを生成し、画像ベースの高精度農業ソリューションの開発と導入を加速するという DALL.E の可能性を浮き彫りにしました。

要約(オリジナル)

This research investigated the role of artificial intelligence (AI), specifically the DALL.E model by OpenAI, in advancing data generation and visualization techniques in agriculture. DALL.E, an advanced AI image generator, works alongside ChatGPT’s language processing to transform text descriptions and image clues into realistic visual representations of the content. The study used both approaches of image generation: text-to-image and image-to image (variation). Six types of datasets depicting fruit crop environment were generated. These AI-generated images were then compared against ground truth images captured by sensors in real agricultural fields. The comparison was based on Peak Signal-to-Noise Ratio (PSNR) and Feature Similarity Index (FSIM) metrics. The image-to-image generation exhibited a 5.78% increase in average PSNR over text-to-image methods, signifying superior image clarity and quality. However, this method also resulted in a 10.23% decrease in average FSIM, indicating a diminished structural and textural similarity to the original images. Similar to these measures, human evaluation also showed that images generated using image-to-image-based method were more realistic compared to those generated with text-to-image approach. The results highlighted DALL.E’s potential in generating realistic agricultural image datasets and thus accelerating the development and adoption of imaging-based precision agricultural solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google