Fugu-MT 論文翻訳(概要): Anomaly Detection of Defect using Energy of Point Pattern Features within Random Finite Set Framework

論文の概要: Anomaly Detection of Defect using Energy of Point Pattern Features within Random Finite Set Framework

arxiv url: http://arxiv.org/abs/2108.12159v1
Date: Fri, 27 Aug 2021 08:06:37 GMT
ステータス: 処理完了
システム内更新日: 2021-08-30 14:23:02.435737
Title: Anomaly Detection of Defect using Energy of Point Pattern Features within Random Finite Set Framework
Title（参考訳）: ランダム有限集合における点パターン特徴のエネルギーを用いた欠陥の異常検出
Authors: Ammar Mansoor Kamoona, Amirali Khodadadian Gostar, Alireza Bab-Hadiashar, and Reza Hoseinnezhad
Abstract要約: 本稿では,点パターンデータを用いた異常検出をモデルとした産業的欠陥検出のための効率的な手法を提案する。我々はこれらの制限を克服するために、まず、ローカル/ポイントパターンの特徴を伝達学習(transfer learning)を用いて提案する。提案手法をMVTec ADデータセット上で評価する。
参考スコア（独自算出の注目度）: 5.7564383437854625
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose an efficient approach for industrial defect detection that is modeled based on anomaly detection using point pattern data. Most recent works use \textit{global features} for feature extraction to summarize image content. However, global features are not robust against lighting and viewpoint changes and do not describe the image's geometrical information to be fully utilized in the manufacturing industry. To the best of our knowledge, we are the first to propose using transfer learning of local/point pattern features to overcome these limitations and capture geometrical information of the image regions. We model these local/point pattern features as a random finite set (RFS). In addition we propose RFS energy, in contrast to RFS likelihood as anomaly score. The similarity distribution of point pattern features of the normal sample has been modeled as a multivariate Gaussian. Parameters learning of the proposed RFS energy does not require any heavy computation. We evaluate the proposed approach on the MVTec AD dataset, a multi-object defect detection dataset. Experimental results show the outstanding performance of our proposed approach compared to the state-of-the-art methods, and the proposed RFS energy outperforms the state-of-the-art in the few shot learning settings.
Abstract（参考訳）: 本稿では,点パターンデータを用いた異常検出に基づく産業的欠陥検出のための効率的な手法を提案する。最近の作品は、画像コンテンツを要約するために、機能抽出に \textit{global features} を使っている。しかし、グローバルな特徴は照明や視点の変化に対して堅牢ではなく、製造業界で十分に活用される画像の幾何学的情報を記述していない。まず,局所的/点的パターン特徴の伝達学習を用いて,これらの限界を克服し,画像領域の幾何学的情報を取得することを提案する。我々はこれらの局所/点パターンをランダム有限集合(RFS)としてモデル化する。さらに、異常スコアとして RFS の可能性に対して RFS エネルギーを提案する。正規サンプルの点パターン特徴の類似度分布は多変量ガウスとしてモデル化されている。提案した RFS エネルギーのパラメータ学習には重い計算は必要ない。マルチオブジェクト欠陥検出データセットであるMVTec ADデータセットに対する提案手法の評価を行った。実験の結果,提案手法は最先端手法と比較して優れた性能を示し,rfsエネルギは少数のショット学習環境において最先端技術を上回っていることがわかった。

関連論文リスト

OPONeRF: One-Point-One NeRF for Robust Neural Rendering [70.56874833759241]
そこで我々は,ロバストなシーンレンダリングのためのOne-Point-One NeRF (OPONeRF) フレームワークを提案する。物体の動き、光の変化、データ汚染といった小さなが予測不可能な摂動は、現実の3Dシーンに広く存在している。実験の結果,OPONeRFは各種評価指標において最先端のNeRFよりも優れていた。
論文参考訳（メタデータ） (2024-09-30T07:49:30Z)
Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
論文参考訳（メタデータ） (2024-08-23T01:53:36Z)
RANRAC: Robust Neural Scene Representations via Random Ray Consensus [12.161889666145127]
RANRAC(RANdom RAy Consensus)は、一貫性のないデータの影響を排除するための効率的な手法である。我々はRANSACパラダイムのファジィ適応を定式化し、大規模モデルへの適用を可能にした。その結果, 新規な視点合成のための最先端のロバストな手法と比較して, 顕著な改善が見られた。
論文参考訳（メタデータ） (2023-12-15T13:33:09Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文参考訳（メタデータ） (2023-10-11T12:46:11Z)
Variational Probabilistic Fusion Network for RGB-T Semantic Segmentation [22.977168376864494]
RGB-Tセマンティックセグメンテーションは、照明条件の悪いハードシーンを扱うために広く採用されている。既存の手法では、セグメンテーションのための最適な融合特徴を見つけようとするが、結果としてモダリティノイズ、クラス不均衡、モダリティバイアスに敏感になる。本稿では, 拡散特性をランダム変数とみなす新しい変動確率核融合ネットワーク(VPFNet)を提案する。
論文参考訳（メタデータ） (2023-07-17T14:53:09Z)
T1: Scaling Diffusion Probabilistic Fields to High-Resolution on Unified Visual Modalities [69.16656086708291]
拡散確率場(DPF)は、距離空間上で定義された連続関数の分布をモデル化する。本稿では,局所構造学習に着目したビューワイズサンプリングアルゴリズムによる新しいモデルを提案する。モデルは、複数のモダリティを統一しながら、高解像度のデータを生成するためにスケールすることができる。
論文参考訳（メタデータ） (2023-05-24T03:32:03Z)
PNI : Industrial Anomaly Detection using Position and Neighborhood Information [6.316693022958221]
本研究では,条件付き近傍特徴量を用いて正規分布を推定する新しいアルゴリズム textbfPNI を提案する。我々はMVTec ADベンチマークデータセットの実験を行い、異常検出と局所化におけるtextbf99.56%と textbf98.98%のAUROCスコアを用いて最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2022-11-22T23:45:27Z)
U-Flow: A U-shaped Normalizing Flow for Anomaly Detection with Unsupervised Threshold [0.40964539027092906]
画像中の異常セグメンテーションのための一級自己教師方式を提案する。現代の機械学習アプローチと、より古典的な統計的検出理論の恩恵を受けている。提案手法は、すべてのメトリクスとすべてのデータセットに対して最先端の結果を生成する。
論文参考訳（メタデータ） (2022-11-22T15:43:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。