Data-Driven Generation of Synthetic Timber for Deep-Learning-Based Wood Assessment
Este artículo presenta un marco integral que combina la generación de nudos basada en LSTM, el modelado de crecimiento estocástico y los modelos de difusión condicional para crear tablas de pícea sintéticas realistas con estructuras internas conocidas, permitiendo así el entrenamiento de sistemas de aprendizaje profundo para tareas de evaluación de la madera donde los datos reales emparejados son escasos.