論文の概要: Irregularity Inspection using Neural Radiance Field

• arxiv url: http://arxiv.org/abs/2408.11251v1
• Date: Wed, 21 Aug 2024 00:14:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 18:58:50.472594
• Title: Irregularity Inspection using Neural Radiance Field
• Title（参考訳）: ニューラルラジアンス場を用いた不規則性検査
• Authors: Tianqi Ding, Dawei Xiang,
• Abstract要約: 大規模生産機械はますます重要になっている。 このような大型機械の欠陥検査を専門家が行うことは、しばしば困難である。 本稿では3次元双対モデルのニューラル・ネットワーク・モデリング(NeRF)に基づくシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing growth of industrialization, more and more industries are relying on machine automation for production. However, defect detection in large-scale production machinery is becoming increasingly important. Due to their large size and height, it is often challenging for professionals to conduct defect inspections on such large machinery. For example, the inspection of aging and misalignment of components on tall machinery like towers requires companies to assign dedicated personnel. Employees need to climb the towers and either visually inspect or take photos to detect safety hazards in these large machines. Direct visual inspection is limited by its low level of automation, lack of precision, and safety concerns associated with personnel climbing the towers. Therefore, in this paper, we propose a system based on neural network modeling (NeRF) of 3D twin models. By comparing two digital models, this system enables defect detection at the 3D interface of an object.
• Abstract（参考訳）: 工業化の進展に伴い、ますます多くの産業が機械の自動化に頼っている。 しかし, 大規模生産機械の欠陥検出はますます重要になりつつある。 その大きさと高さのため、プロがそのような大型機械で欠陥検査を行うことは、しばしば困難である。 例えば、塔のような高い機械の部品の老朽化や不整合の検査では、企業は専用の人員を割り当てる必要がある。 従業員は塔を登ったり、視覚的に検査したり、写真を撮って、これらの大きな機械の安全リスクを検出する必要がある。 直接の視覚検査は、その低い自動化レベル、精度の欠如、そして塔を登る人に関連する安全上の懸念によって制限されている。 そこで本研究では,3次元双対モデルのニューラル・ネットワーク・モデリング(NeRF)に基づくシステムを提案する。 2つのデジタルモデルを比較することにより、オブジェクトの3次元インタフェースにおける欠陥検出を可能にする。

関連論文リスト

• Evaluating Vision Transformer Models for Visual Quality Control in Industrial Manufacturing [0.0]
  工業生産における機械学習の最も有望なユースケースの1つは、欠陥のある製品の早期発見である。 我々は、異常検出手法とともに、現在の視覚変換器モデルを評価する。 品質管理システムに適したモデルアーキテクチャを実際に選択するためのガイドラインを提示する。
  論文  参考訳（メタデータ） (2024-11-22T14:12:35Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Joint object detection and re-identification for 3D obstacle multi-camera systems [47.87501281561605]
  本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。 同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。 その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-09T15:16:35Z)
• Monocular 2D Camera-based Proximity Monitoring for Human-Machine Collision Warning on Construction Sites [1.7223564681760168]
  機械事故は建設現場の被害の主な原因の1つである。 人間と機械の衝突を避けるための労働者の近さをモニタリングすることは、建設安全管理に大きな関心を喚起した。 本研究では、通常の2Dカメラのみを用いた近接監視のための新しいフレームワークを提案し、リアルタイムの人間と機械の衝突警告を実現する。
  論文  参考訳（メタデータ） (2023-05-29T07:47:27Z)
• Distributional Instance Segmentation: Modeling Uncertainty and High Confidence Predictions with Latent-MaskRCNN [77.0623472106488]
  本稿では,潜在符号を用いた分散インスタンス分割モデルのクラスについて検討する。 ロボットピッキングへの応用として,高い精度を実現するための信頼性マスク手法を提案する。 本手法は,新たにリリースした曖昧なシーンのデータセットを含め,ロボットシステムにおける致命的なエラーを著しく低減できることを示す。
  論文  参考訳（メタデータ） (2023-05-03T05:57:29Z)
• Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
  本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。 まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。 第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
  論文  参考訳（メタデータ） (2023-01-06T18:52:12Z)
• MMRNet: Improving Reliability for Multimodal Object Detection and Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
  マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。 これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。 システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
  論文  参考訳（メタデータ） (2022-10-19T19:15:07Z)
• Learning to Identify Drilling Defects in Turbine Blades with Single Stage Detectors [15.842163335920954]
  タービンブレードのX線画像における網膜ドリル欠陥に基づくモデルを提案する。 このアプリケーションは、欠陥が非常に小さく、一般的に使用されるアンカーサイズによって捉えられにくい画像解像度のため、難しい。 このモデルを3ドルのクロスバリデーションで検証し,欠陥のある画像の同定に極めて高い精度を示す。
  論文  参考訳（メタデータ） (2022-08-08T18:44:51Z)
• Automated Damage Inspection of Power Transmission Towers from UAV Images [2.798697306330988]
  近年,遠隔記録におけるドローンやヘリコプターの利用が増加している。 これは大量の画像を分析するという問題を残しており、これは自動化の大きな可能性を秘めている。 本稿では, 送電塔の構造損傷検出問題に対処し, これらの課題に対処する。
  論文  参考訳（メタデータ） (2021-11-30T17:21:20Z)
• Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
  本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。 システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
  論文  参考訳（メタデータ） (2021-01-11T08:14:35Z)

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。