森林モニタリングがスケーラブルで詳細な3D計測へと移行するにつれて、森林LiDAR点群の自動インスタンスセグメンテーションの重要性がますます高まっています。しかし、樹木インスタンスのラベル不足が進展を制約しています。1ヘクタールあたり数百万の点と数百の重なり合った複雑な樹冠が存在するため、生データからの手動アノテーションは労力がかかりエラーが発生しやすくなっています。現在のアノテーションは自動プリセグメンテーションから修正されることが多いですが、依然としてコストが高く、インタラクティブなAI支援による洗練機能が欠けています。基礎セグメンテーションモデルのプロンプト可能なパラダイムに触発され、研究チームはSelectAnyTreeを提案しました。これは、数回のクリックで3D森林点群内の任意の個々の木を描画するプロンプト可能なインスタンスセグメンテーションモデルです。
SelectAnyTreeは2つの主要なコンポーネントを導入しています。クリックからクエリへのプロンプトエンコーダ（Click-to-query Prompt Encoder）と、樹冠高モデル（CHM）ガイドによる最初のプロンプトです。前者は各クリックを単一のコンテンツクエリに変換し、3D位置と正/負の極性をプールされたローカルバックボーンフィーチャとともにエンコードします。後者は、ユーザー入力なしで幾何学的および生態学的にガイドされた最初のプロンプトとして樹頂を提供します。結果として得られるプロンプトクエリは、状態空間クエリデコーダによって1つのツリーマスクにデコードされ、大規模な森林シーンにおける長距離コンテキストを線形時間の複雑さで効率的にキャプチャします。
研究チームは、7つの異なる森林地域と独立したホールドアウトテストデータセットでSelectAnyTreeをインタラクティブおよびインスタンスレベルの設定で評価し、トレーニングドメインを超えた強力な一般化能力を示しました。実験結果によると、1回のクリックで対象の木を78.2のIntersection over Union（IoU）でセグメント化し、最も強力なプロンプト可能ベースラインを24.8ポイント上回り、最も少ないクリック数で各精度目標に到達し、従来のプロンプト可能モデルよりもはるかに少ないパラメータと推論時間で済みます。ソースコードはGitHubで公開されています。
このモデルの登場により、森林点群のアノテーションコストと難易度が大幅に低減され、森林生態モニタリングや炭素貯留量推定などの応用に効率的な技術基盤が提供されることが期待されます。今後、チームは異質な森林タイプへの適応能力をさらに最適化し、ドローン搭載LiDARシステムとの統合を探求する予定です。