論文の概要: Designing a Hybrid Neural System to Learn Real-world Crack Segmentation
from Fractal-based Simulation
- arxiv url: http://arxiv.org/abs/2309.09637v1
- Date: Mon, 18 Sep 2023 10:13:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 14:11:45.489210
- Title: Designing a Hybrid Neural System to Learn Real-world Crack Segmentation
from Fractal-based Simulation
- Title（参考訳）: フラクタルシミュレーションによる実世界のひび割れセグメンテーション学習のためのハイブリッドニューラルネットワークの設計
- Authors: Achref Jaziri, Martin Mundt, Andres Fernandez Rodriguez, Visvanathan
Ramesh
- Abstract要約: フラクタルとそれに対応するフルアノテートクラックデータセットに基づく高忠実度クラックグラフィーシミュレータを提案する。
次に、シミュレーションから一般化可能な表現を学習するシステムで後者を補完する。
最後に、シミュレーションを実際のギャップにブリッジすることで、どのように異なる設計選択が共生的であるかを実証的に強調し、最終的に、我々の導入したシステムが現実世界のひび割れのセグメンテーションを効果的に処理できることを実証する。
- 参考スコア（独自算出の注目度）: 7.0156884721768575
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Identification of cracks is essential to assess the structural integrity of
concrete infrastructure. However, robust crack segmentation remains a
challenging task for computer vision systems due to the diverse appearance of
concrete surfaces, variable lighting and weather conditions, and the
overlapping of different defects. In particular recent data-driven methods
struggle with the limited availability of data, the fine-grained and
time-consuming nature of crack annotation, and face subsequent difficulty in
generalizing to out-of-distribution samples. In this work, we move past these
challenges in a two-fold way. We introduce a high-fidelity crack graphics
simulator based on fractals and a corresponding fully-annotated crack dataset.
We then complement the latter with a system that learns generalizable
representations from simulation, by leveraging both a pointwise mutual
information estimate along with adaptive instance normalization as inductive
biases. Finally, we empirically highlight how different design choices are
symbiotic in bridging the simulation to real gap, and ultimately demonstrate
that our introduced system can effectively handle real-world crack
segmentation.
- Abstract（参考訳）: コンクリート構造物の構造的整合性を評価するためにはひび割れの同定が不可欠である。
しかし,コンクリート表面の外観の多様性,照明や気象条件の変動,欠陥の重なりなどにより,コンピュータビジョンシステムでは頑健なひび割れ分割が課題となっている。
特に最近のデータ駆動型メソッドは、データの可用性の制限、クラックアノテーションの細かな粒度と時間を要する性質、そしてそれに続く分散サンプルへの一般化の困難に直面している。
この作業では、これらの課題を2倍の方法で乗り越えます。
フラクタルとそれに対応するフルアノテートクラックデータセットに基づく高忠実度クラックグラフィーシミュレータを提案する。
次に,シミュレーションから一般化表現を学習するシステムで後者を補完し,ポイントワイズ相互情報推定と適応インスタンス正規化を帰納バイアスとして活用する。
最後に,シミュレーションを現実のギャップに橋渡しする上で,設計選択の違いが共生的であることを実証し,最終的に導入したシステムが実世界のひび割れセグメンテーションを効果的に処理できることを実証する。
関連論文リスト
- Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - A spatiotemporal deep learning framework for prediction of crack dynamics in heterogeneous solids: efficient mapping of concrete microstructures to its fracture properties [0.0]
深層学習フレームワークは, コンクリートメソ構造中のフラクチャーの2次元フルフィールド予測を行うことができる。
メソ構造の平均応力-ひずみ曲線を予測できる畳み込みニューラルネットワークを開発した。
UNetモデリングフレームワークは、スキップ接続を持つエンコーダ-デコーダセクションで構成され、ディープラーニングサロゲートモデルとして使用される。
論文 参考訳（メタデータ） (2024-07-22T14:28:46Z) - DiffusionNOCS: Managing Symmetry and Uncertainty in Sim2Real Multi-Modal
Category-level Pose Estimation [20.676510832922016]
本研究では,部分物体形状の復元に不可欠な高密度正準写像を推定するために拡散に依存する確率モデルを提案する。
マルチモーダル入力表現を用いた拡散モデルの強度を活用することにより,性能向上のための重要なコンポーネントを導入する。
提案手法は, 生成した合成データのみに基づいて訓練されているにもかかわらず, 最先端の性能と前例のない一般化特性を達成している。
論文 参考訳（メタデータ） (2024-02-20T01:48:33Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳（メタデータ） (2023-11-27T13:14:06Z) - A Comprehensive Augmentation Framework for Anomaly Detection [1.6114012813668932]
本稿では,再構成ネットワークのトレーニングに寄与するシミュレーション異常の重要な特徴を解析する。
我々は、このフレームワークを再構築ベースのアプローチと統合し、同時に分割トレーニング戦略を提案する。
論文 参考訳（メタデータ） (2023-08-29T07:00:35Z) - Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。
両手法の有効性とロバスト性を実証的に示す。
我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
論文 参考訳（メタデータ） (2022-05-12T17:03:57Z) - RISP: Rendering-Invariant State Predictor with Differentiable Simulation
and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。
本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。
提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文 参考訳（メタデータ） (2022-05-11T17:59:51Z) - SCNet: A Generalized Attention-based Model for Crack Fault Segmentation [0.0]
異常検出と局所化は、複数のアプリケーションを持つ重要な視覚問題である。
大規模なインフラにおける定期的な健康モニタリングと故障(異常)検出は、視覚に基づく異常セグメンテーションの応用分野である。
き裂は臨界かつ頻繁な表面断層であり、極端にジグザグ型の細い細長い領域として現れる。
そこで本研究では,様々なシナリオにまたがるセグメンテーション性能の一般化と改善という,自動クラックセグメンテーション問題のオープンな側面を,異なるモデル化によって解決する。
論文 参考訳（メタデータ） (2021-12-02T17:16:18Z) - A Procedural World Generation Framework for Systematic Evaluation of
Continual Learning [2.599882743586164]
都会のシーンのフラグメントのみを描画するコンピュータグラフィックスシミュレーションフレームワークを提案する。
中心となるのは、適応可能な生成因子を持つモジュラーパラメトリック生成モデルである。
論文 参考訳（メタデータ） (2021-06-04T16:31:43Z) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳（メタデータ） (2021-03-29T11:30:18Z) - Generative Partial Visual-Tactile Fused Object Clustering [81.17645983141773]
オブジェクトクラスタリングのためのGenerative Partial Visual-Tactile Fused(GPVTF)フレームワークを提案する。
条件付きクロスモーダルクラスタリング生成逆ネットワークを開発し、一方のモダリティ条件を他方のモダリティ上で合成する。
最後に、擬似ラベルに基づく2つのKL分割損失を用いて、対応するモダリティ固有エンコーダを更新する。
論文 参考訳（メタデータ） (2020-12-28T02:37:03Z)
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。