本研究では、ストロベリーが持つ経済的重要性に着目し、植物の表現型分析と再構築を行うための新しい手法を提案しています。従来の表現型評価法は時間がかかり、労力も必要で、しばしば植物にダメージを与えてしまいます。近年、NeRFや3DGSといった神経レンダリング技術が高忠実度の3D再構築において有望視されていますが、これらは背景要素を含む全シーンを再構築するため、ノイズや計算コストが増大し、後処理が複雑になる問題があります。そこで、著者たちは、Segment Anything Model v2(SAM-2)を活用した前処理パイプラインを組み込み、背景を除去したクリーンなストロベリープラントの再構築を実現しました。本手法により、植物の重要な特性（例：植物の高さやキャノピーの幅）の自動推定が可能となり、従来の方法に比べて精度と効率が向上しています。