論文の概要: PAD: A Dataset and Benchmark for Pose-agnostic Anomaly Detection
- arxiv url: http://arxiv.org/abs/2310.07716v1
- Date: Wed, 11 Oct 2023 17:59:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 21:19:38.562088
- Title: PAD: A Dataset and Benchmark for Pose-agnostic Anomaly Detection
- Title（参考訳）: PAD: Pose-Agnostic Anomaly Detectionのためのデータセットとベンチマーク
- Authors: Qiang Zhou, Weize Li, Lihan Jiang, Guoliang Wang, Guyue Zhou,
Shanghang Zhang, Hao Zhao
- Abstract要約: 我々は,多目的異常検出データセットとPose-Agnostic Anomaly Detectionベンチマークを開発する。
具体的には、さまざまなポーズと、シミュレーションと実環境の両方で高品質で多様な3D異常を持つ20個の複合形状のレゴ玩具を用いて、MADを構築します。
また,ポーズに依存しない異常検出のために,MADを用いて訓練した新しいOmniposeADを提案する。
- 参考スコア（独自算出の注目度）: 28.973078719467516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Object anomaly detection is an important problem in the field of machine
vision and has seen remarkable progress recently. However, two significant
challenges hinder its research and application. First, existing datasets lack
comprehensive visual information from various pose angles. They usually have an
unrealistic assumption that the anomaly-free training dataset is pose-aligned,
and the testing samples have the same pose as the training data. However, in
practice, anomaly may exist in any regions on a object, the training and query
samples may have different poses, calling for the study on pose-agnostic
anomaly detection. Second, the absence of a consensus on experimental protocols
for pose-agnostic anomaly detection leads to unfair comparisons of different
methods, hindering the research on pose-agnostic anomaly detection. To address
these issues, we develop Multi-pose Anomaly Detection (MAD) dataset and
Pose-agnostic Anomaly Detection (PAD) benchmark, which takes the first step to
address the pose-agnostic anomaly detection problem. Specifically, we build MAD
using 20 complex-shaped LEGO toys including 4K views with various poses, and
high-quality and diverse 3D anomalies in both simulated and real environments.
Additionally, we propose a novel method OmniposeAD, trained using MAD,
specifically designed for pose-agnostic anomaly detection. Through
comprehensive evaluations, we demonstrate the relevance of our dataset and
method. Furthermore, we provide an open-source benchmark library, including
dataset and baseline methods that cover 8 anomaly detection paradigms, to
facilitate future research and application in this domain. Code, data, and
models are publicly available at https://github.com/EricLee0224/PAD.
- Abstract（参考訳）: 物体の異常検出は機械ビジョンの分野で重要な問題であり、近年顕著な進歩を遂げている。
しかし、2つの大きな課題が研究と応用を妨げる。
まず、既存のデータセットは様々なポーズ角から包括的な視覚情報を欠いている。
彼らは通常、異常のないトレーニングデータセットがポーズアライメントであるという非現実的な仮定を持ち、テストサンプルはトレーニングデータと同じポーズを持つ。
しかし、実際には、異常はオブジェクトの任意の領域に存在し、トレーニングとクエリサンプルは異なるポーズを持ち、ポーズに依存しない異常検出の研究を要求する。
第2に、ポーズ非依存異常検出のための実験プロトコルに関する合意の欠如は、異なる方法の不公平な比較をもたらし、ポーズ非依存異常検出の研究を妨げている。
これらの問題に対処するために,多地点異常検出(mad)データセットとポーズ非異常検出(pad)ベンチマークを開発し,ポーズ非異常検出問題への第一歩を踏み出した。
具体的には、さまざまなポーズを持つ4Kビューや、シミュレートされた環境と実環境の両方で高品質で多様な3D異常を含む、20個の複雑なレゴ玩具を用いてMADを構築する。
さらに,ポーズに依存しない異常検出のために,MADを用いて訓練した新しいOmniposeADを提案する。
包括的評価を通じて,データセットと手法の関連性を実証する。
さらに、8つの異常検出パラダイムをカバーするデータセットとベースラインメソッドを含むオープンソースのベンチマークライブラリを提供し、この領域における将来の研究と応用を容易にする。
コード、データ、モデルはhttps://github.com/EricLee0224/PADで公開されている。
関連論文リスト
- Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection [88.34095233600719]
FAPromptは、より正確なZSADのためにきめ細かい異常プロンプトを学習するために設計された新しいフレームワークである。
画像レベルおよび画素レベルのZSADタスクにおいて、最先端の手法を少なくとも3%-5%のAUC/APで大幅に上回っている。
論文 参考訳（メタデータ） (2024-10-14T08:41:31Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - ARC: A Generalist Graph Anomaly Detector with In-Context Learning [62.202323209244]
ARCは汎用的なGADアプローチであり、一対一のGADモデルで様々なグラフデータセットの異常を検出することができる。
ARCはコンテキスト内学習を備えており、ターゲットデータセットからデータセット固有のパターンを直接抽出することができる。
各種領域からの複数のベンチマークデータセットに対する大規模な実験は、ARCの優れた異常検出性能、効率、一般化性を示す。
論文 参考訳（メタデータ） (2024-05-27T02:42:33Z) - SplatPose & Detect: Pose-Agnostic 3D Anomaly Detection [18.796625355398252]
最先端のアルゴリズムは、ますます困難な設定やデータモダリティの欠陥を検出することができる。
本稿では,3次元ガウススプラッティングに基づくフレームワークSplatPoseを提案する。
競合手法に比べてトレーニングデータが少ない場合でも,トレーニング速度と推論速度,検出性能の両面で最先端の成果が得られている。
論文 参考訳（メタデータ） (2024-04-10T08:48:09Z) - Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳（メタデータ） (2024-01-06T07:30:41Z) - 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) - Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。
近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。
本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文 参考訳（メタデータ） (2023-11-13T02:54:17Z) - AnomalyCLIP: Object-agnostic Prompt Learning for Zero-shot Anomaly Detection [30.679012320439625]
AnomalyCLIPはオブジェクトに依存しないテキストを学習し、画像の一般的な正規性と異常をキャプチャする。
非常に多様なクラスセマンティクスのデータセットにおける異常の検出とセグメンテーションにおいて、優れたゼロショット性能を実現する。
論文 参考訳（メタデータ） (2023-10-29T10:03:49Z) - Beyond the Benchmark: Detecting Diverse Anomalies in Videos [0.6993026261767287]
ビデオ異常検出(VAD)は、現代の監視システムにおいて重要な役割を担い、現実の状況における様々な異常を識別することを目的としている。
現在のベンチマークデータセットは、新しいオブジェクト検出のような単純な単一フレームの異常を主に強調している。
我々は,従来のベンチマーク境界を超える複雑な異常を包含するVAD調査の拡大を提唱する。
論文 参考訳（メタデータ） (2023-10-03T09:22:06Z) - Understanding the Challenges and Opportunities of Pose-based Anomaly
Detection [2.924868086534434]
ポーズベースの異常検出(Pose-based anomaly detection)は、ビデオフレームから抽出された人間のポーズを調べることによって、異常な出来事や行動を検出するビデオ分析技術である。
本研究では、ポーズに基づく異常検出の難しさをよりよく理解するために、2つのよく知られたビデオ異常データセットの特徴を分析し、定量化する。
これらの実験は、ポーズベースの異常検出と現在利用可能なデータセットをより理解する上で有益であると考えています。
論文 参考訳（メタデータ） (2023-03-09T18:09:45Z) - The MVTec 3D-AD Dataset for Unsupervised 3D Anomaly Detection and
Localization [17.437967037670813]
教師なし異常検出と局所化のタスクのための,最初の包括的3Dデータセットを提案する。
これは、モデルが製造された製品の様々な種類の欠陥を検出する必要がある実世界の視覚検査シナリオにインスパイアされている。
論文 参考訳（メタデータ） (2021-12-16T17:35:51Z)
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。