Fugu-MT 論文翻訳(概要): High-Fidelity Zero-Shot Texture Anomaly Localization Using Feature Correspondence Analysis

論文の概要: High-Fidelity Zero-Shot Texture Anomaly Localization Using Feature Correspondence Analysis

arxiv url: http://arxiv.org/abs/2304.06433v1
Date: Thu, 13 Apr 2023 12:02:40 GMT
ステータス: 処理完了
システム内更新日: 2023-04-14 14:45:57.434898
Title: High-Fidelity Zero-Shot Texture Anomaly Localization Using Feature Correspondence Analysis
Title（参考訳）: 特徴対応解析を用いた高忠実度ゼロショットテクスチャ異常定位
Authors: Andrei-Timotei Ardelean and Tim Weyrich
Abstract要約: 提案手法は, 近傍のパッチの誤りに対する画素の寄与を集約することにより, テクスチャ内の異常領域を精度良くピンポイントすることを可能にする。提案手法を複数のデータセット上で検証し,MVTec ADデータセット上での過去の技術状況に対して,ゼロショット設定で40%以上の誤差を低減した。
参考スコア（独自算出の注目度）: 3.3312077222132253
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel method for Zero-Shot Anomaly Localization that leverages a bidirectional mapping derived from the 1-dimensional Wasserstein Distance. The proposed approach allows pinpointing the anomalous regions in a texture with increased precision by aggregating the contribution of a pixel to the errors of all nearby patches. We validate our solution on several datasets and obtain more than a 40% reduction in error over the previous state of the art on the MVTec AD dataset in a zero-shot setting.
Abstract（参考訳）: 1次元ワッサーシュタイン距離から導出した双方向写像を利用するゼロショット異常局所化の新しい手法を提案する。提案手法では,近傍のすべてのパッチの誤差に対する画素の寄与を集約することにより,テクスチャ内の異常領域を精度良くピンポイントできる。提案手法を複数のデータセット上で検証し,MVTec ADデータセット上での過去の技術状況に対して,ゼロショット設定で40%以上の誤差を低減した。

関連論文リスト

Equipping Diffusion Models with Differentiable Spatial Entropy for Low-Light Image Enhancement [7.302792947244082]
本研究では,決定論的画素間比較から統計的視点へ焦点を移す新しい手法を提案する。中心となる考え方は、損失関数に空間エントロピーを導入して、予測と目標の分布差を測定することである。具体的には,拡散モデルにエントロピーを装備し,L1ベースノイズマッチング損失よりも高精度で知覚品質の向上を図っている。
論文参考訳（メタデータ） (2024-04-15T12:35:10Z)
Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文参考訳（メタデータ） (2023-08-21T13:03:25Z)
Convolutional Cross-View Pose Estimation [9.599356978682108]
クロスビューポーズ推定のための新しいエンドツーエンド手法を提案する。提案手法は,VIGORおよびKITTIデータセット上で検証される。オックスフォード・ロボットカーのデータセットでは,エゴ車両の姿勢を時間とともに確実に推定することができる。
論文参考訳（メタデータ） (2023-03-09T13:52:28Z)
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)
CroCo: Cross-Modal Contrastive learning for localization of Earth Observation data [62.96337162094726]
地上のLiDAR点雲をリモートセンシング画像上にローカライズすることに興味がある。本稿では,DEMと高分解能光学画像に基づいて学習を行うコントラスト学習手法を提案する。ベストシナリオは、トップ1スコア0.71、トップ5スコア0.81を得る。
論文参考訳（メタデータ） (2022-04-14T15:55:00Z)
Region-aware Attention for Image Inpainting [33.22497212024083]
本稿では,画像の描画のための新しい領域認識アテンション (RA) モジュールを提案する。単一サンプルにおける各画素対間の相関を直接計算することを避けることにより、ホール内の無効情報の誤認を回避することができる。学習可能な領域辞書(LRD)を導入し、データセット全体に重要な情報を格納する。我々の手法は、現実的な詳細で意味論的に妥当な結果を生成することができる。
論文参考訳（メタデータ） (2022-04-03T06:26:22Z)
Global and Local Alignment Networks for Unpaired Image-to-Image Translation [170.08142745705575]
未ペア画像から画像への変換の目的は、対象領域のスタイルを反映した出力画像を作成することである。既存の手法では内容変化に注意が払われていないため、ソース画像からの意味情報は翻訳中の劣化に悩まされる。我々はGLA-Net(Global and Local Alignment Networks)という新しいアプローチを導入する。本手法は既存の手法よりもシャープでリアルな画像を効果的に生成する。
論文参考訳（メタデータ） (2021-11-19T18:01:54Z)
Fully Convolutional Cross-Scale-Flows for Image-based Defect Detection [24.0966076588569]
欠陥部分の画像サンプルを必要とせずに自動欠陥検出の問題に取り組む。本稿では,異なるスケールの複数の特徴写像を共同で処理する,完全畳み込み型クロススケール正規化フロー(CS-Flow)を提案する。ベンチマークデータセットであるMagnetic Tile DefectsとMVTec ADは、15クラス中4クラスで100%AUROCを示す。
論文参考訳（メタデータ） (2021-10-06T15:35:13Z)
Feature Space Targeted Attacks by Statistic Alignment [74.40447383387574]
特徴空間ターゲットは、中間特徴写像を変調して摂動画像を攻撃する。画素ワイドユークリッド距離の現在の選択は、ソースとターゲットの特徴に不合理に空間整合性制約を課すため、不一致を測定することが疑問視されている。本稿では,Pair-wise Alignment AttackとGlobal-wise Alignment Attackという2つの新しい手法を提案する。
論文参考訳（メタデータ） (2021-05-25T03:46:39Z)
Wasserstein Distances for Stereo Disparity Estimation [62.09272563885437]
既定義の離散値の集合上の分布を出力する、奥行き推定や不均一推定への既存のアプローチ。これにより、真の深さや差がこれらの値と一致しない場合に、不正確な結果をもたらす。任意の深さの値を出力できる新しいニューラルネットワークアーキテクチャを用いて、これらの問題に対処する。
論文参考訳（メタデータ） (2020-07-06T21:37:50Z)
Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。