論文の概要: Industrial Segment Anything -- a Case Study in Aircraft Manufacturing, Intralogistics, Maintenance, Repair, and Overhaul

• arxiv url: http://arxiv.org/abs/2307.12674v1
• Date: Mon, 24 Jul 2023 10:24:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 14:42:18.834275
• Title: Industrial Segment Anything -- a Case Study in Aircraft Manufacturing, Intralogistics, Maintenance, Repair, and Overhaul
• Title（参考訳）: 産業セグメントは何でも -- 航空機製造, イントラロジクス, メンテナンス, 修理, オーバーホールにおける事例研究
• Authors: Keno Moenck, Arne Wendt, Philipp Pr\"unte, Julian Koch, Arne Sahrhage, Johann Gierecker, Ole Schmedemann, Falko K\"ahler, Dirk Holst, Martin Gomse, Thorsten Sch\"uppstuhl, Daniel Schoepflin
• Abstract要約: ビジョン・ファンデーション・モデル(VFM)に関する最近の研究のアドバンテージは、高い一般化能力を持つタスクとモデルの新たな領域を開放した。 本論文は, 航空機生産特化ユースケースにおけるSAMの応用を調査することによって貢献する。
• 参考スコア（独自算出の注目度）: 1.7183906167272582
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deploying deep learning-based applications in specialized domains like the aircraft production industry typically suffers from the training data availability problem. Only a few datasets represent non-everyday objects, situations, and tasks. Recent advantages in research around Vision Foundation Models (VFM) opened a new area of tasks and models with high generalization capabilities in non-semantic and semantic predictions. As recently demonstrated by the Segment Anything Project, exploiting VFM's zero-shot capabilities is a promising direction in tackling the boundaries spanned by data, context, and sensor variety. Although, investigating its application within specific domains is subject to ongoing research. This paper contributes here by surveying applications of the SAM in aircraft production-specific use cases. We include manufacturing, intralogistics, as well as maintenance, repair, and overhaul processes, also representing a variety of other neighboring industrial domains. Besides presenting the various use cases, we further discuss the injection of domain knowledge.
• Abstract（参考訳）: 航空機製造業界のような専門分野にディープラーニングベースのアプリケーションをデプロイする場合、通常、トレーニングデータアベイラビリティの問題に苦しむ。 非日常オブジェクト、状況、タスクを表すデータセットはごくわずかである。 視覚基礎モデル(vfm)の研究における最近の利点は、非概念的、意味論的予測において高い一般化能力を持つタスクとモデルの新しい領域を開拓した。 Segment Anything Projectが最近示したように、VFMのゼロショット機能を活用することは、データ、コンテキスト、センサーの多様性にまたがる境界に取り組む上で有望な方向である。 しかし、特定の領域における適用を調査することは、現在進行中の研究の対象となっている。 本論文は, 航空機生産特化ユースケースにおけるSAMの適用性を調査した。 我々は、製造、イントラロジクス、メンテナンス、修理、オーバーホールのプロセスを含み、近隣の様々な産業ドメインも代表しています。 さまざまなユースケースの提示に加えて,ドメイン知識の注入についても論じる。

関連論文リスト

• Machine Learning Operations: A Mapping Study [0.0]
  この記事では、MLOpsパイプラインのいくつかのコンポーネントに存在する問題について論じる。 MLOpsシステムで発生する課題を、異なる焦点領域に分類するために、システマティックマッピング研究が実施されている。 この研究の主な価値は、MLOpsの独特な課題と、私たちの研究で概説された推奨された解決策をマッピングすることです。
  論文  参考訳（メタデータ） (2024-09-28T17:17:40Z)
• DG-PIC: Domain Generalized Point-In-Context Learning for Point Cloud Understanding [41.49771026674969]
  本稿では,ドメイン一般化ポイントクラウド理解のための統一モデルにおいて,複数のドメインと複数のタスクを扱う,新しい,実用的なマルチドメインマルチタスク設定を提案する。 我々のDG-PICは、テスト中にモデル更新を一切必要とせず、見えないドメインと複数のタスク、例えば、ポイントクラウドの再構築、デノナイズ、登録を1つの統一モデルで処理できる。
  論文  参考訳（メタデータ） (2024-07-11T18:21:40Z)
• Industrial Language-Image Dataset (ILID): Adapting Vision Foundation Models for Industrial Settings [0.0]
  産業用言語画像データセット(ILID)をWebcrawledデータに基づいて生成するパイプラインを提案する。 本稿では,安価なILIDを学習した後に,効果的な自己指導型トランスファー学習と下流タスクの議論を行う。
  論文  参考訳（メタデータ） (2024-06-14T00:06:52Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Knowledge Plugins: Enhancing Large Language Models for Domain-Specific Recommendations [50.81844184210381]
  本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。 このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
  論文  参考訳（メタデータ） (2023-11-16T07:09:38Z)
• Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook [95.32949323258251]
  時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。 大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
  論文  参考訳（メタデータ） (2023-10-16T09:06:00Z)
• Explore-Instruct: Enhancing Domain-Specific Instruction Coverage through Active Exploration [64.58185031596169]
  Explore-Instructは、ドメイン固有の命令チューニングで使用されるデータカバレッジを強化する新しいアプローチである。 データ中心分析は、ドメイン固有の命令カバレッジを改善するために提案手法の有効性を検証する。 我々の発見は、特にドメイン固有の文脈において、命令カバレッジを改善するための有望な機会を提供する。
  論文  参考訳（メタデータ） (2023-10-13T15:03:15Z)
• A Comprehensive Survey on Applications of Transformers for Deep Learning Tasks [60.38369406877899]
  Transformerは、シーケンシャルデータ内のコンテキスト関係を理解するために自己認識メカニズムを使用するディープニューラルネットワークである。 Transformerモデルは、入力シーケンス要素間の長い依存関係を処理し、並列処理を可能にする。 我々の調査では、トランスフォーマーベースのモデルのためのトップ5のアプリケーションドメインを特定します。
  論文  参考訳（メタデータ） (2023-06-11T23:13:51Z)
• Explainable Predictive Maintenance [6.274171448205146]
  本稿では,既存のXAI手法と産業応用における説明の具体的要件とのギャップを浮き彫りにする。 本稿では,予測保守作業の概要と,それに対応する説明の必要性と目的を強調する。 次に、文献で一般的に使われているXAIテクニックをリストアップし、記述し、PdMタスクに適合性について論じる。
  論文  参考訳（メタデータ） (2023-06-08T11:42:47Z)
• Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。 広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。 しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
  論文  参考訳（メタデータ） (2023-05-30T03:00:30Z)

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。