OneGrow：统一的时序植物图像与掩码生成

基于图像的作物表型分析受益于能够捕捉植物发育过程并同时提供器官级标注的图像序列。由于器官标注成本高昂，且对同一植株进行长期跟踪需要反复采集并配准图像，此类成对数据十分有限。现有的植物生成模型要么在缺乏结构标注的情况下合成时序图像，要么生成带有标注的图像但不具备时间维度。我们提出了 OneGrow，这是一种潜在流匹配模型，可联合建模小麦图像及其随时间变化的器官分割掩膜。图像与掩膜共享同一个冻结的图像自编码器。通过指定 reveal 来明确哪些内容作为已观测上下文，该模型能够统一处理掩膜到图像的合成、图像到掩膜的分割以及时序预测等任务。对于长度超过训练窗口的序列，滑动窗口式展开会根据前序帧生成每一幅新图像，从而保持长序列的时间一致性。我们利用预训练分割模型生成的伪标签，在一个大型单帧小麦数据集和一个多年时序数据集上进行联合训练。我们将分割性能和图像质量与留出的参考数据进行比较，并对模型的多任务能力及时序行为进行定性评估。

| bioRxiv 跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 帮助 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于帮助 广告 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于广告 编辑委员会 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于编辑委员会 关于我们 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于我们 患者 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于患者 广告客户 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于广告客户 机构 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于机构 订阅者 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于订阅者 审稿人 2013-08-15 星期四 16:02 -- hwadmin 阅读更多 关于审稿人 作者 2013-08-15 星期四 16:02 --

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.11.750899v1?rss=1

🏷️ 植物表型分析 时序图像生成 器官分割 潜在流匹配 小麦 多任务学习