論文の概要: Instance Segmentation of Reinforced Concrete Bridges with Synthetic Point Clouds

• arxiv url: http://arxiv.org/abs/2409.16381v1
• Date: Tue, 24 Sep 2024 18:28:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-27 08:41:00.695055
• Title: Instance Segmentation of Reinforced Concrete Bridges with Synthetic Point Clouds
• Title（参考訳）: 合成点雲を有する鉄筋コンクリート橋の事例分離
• Authors: Asad Ur Rahman, Vedhus Hoskere,
• Abstract要約: ナショナルブリッジ検査基準は、詳細な要素レベルの橋の検査を必要とする。 伝統的に、検査官は損傷に基づく構造的要素の評価によって手動で評価を割り当てる。 3つの異なる手法を用いて合成データを生成する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The National Bridge Inspection Standards require detailed element-level bridge inspections. Traditionally, inspectors manually assign condition ratings by rating structural components based on damage, but this process is labor-intensive and time-consuming. Automating the element-level bridge inspection process can facilitate more comprehensive condition documentation to improve overall bridge management. While semantic segmentation of bridge point clouds has been studied, research on instance segmentation of bridge elements is limited, partly due to the lack of annotated datasets, and the difficulty in generalizing trained models. To address this, we propose a novel approach for generating synthetic data using three distinct methods. Our framework leverages the Mask3D transformer model, optimized with hyperparameter tuning and a novel occlusion technique. The model achieves state-of-the-art performance on real LiDAR and photogrammetry bridge point clouds, respectively, demonstrating the potential of the framework for automating element-level bridge inspections.
• Abstract（参考訳）: ナショナルブリッジ検査基準は、詳細な要素レベルの橋の検査を必要とする。 伝統的に、検査官は損傷に基づく構造的要素の評価によって、手動で条件評価を割り当てるが、このプロセスは労働集約的で時間を要する。 要素レベルの橋梁検査プロセスの自動化は、全体の橋梁管理を改善するために、より包括的な条件文書作成を容易にする。 ブリッジポイント雲のセマンティックセグメンテーションは研究されているが、アノテートデータセットの欠如と訓練されたモデルの一般化の難しさから、ブリッジ要素のインスタンスセグメンテーションの研究は限られている。 そこで本研究では,3つの異なる手法を用いて合成データを生成する手法を提案する。 本フレームワークは,ハイパーパラメータチューニングと新しいオクルージョン技術により最適化されたMask3Dトランスフォーマーモデルを活用する。 このモデルは,実LiDARおよび光線量計ブリッジポイントクラウド上での最先端性能をそれぞれ達成し,要素レベルのブリッジインスペクションを自動化するフレームワークの可能性を示す。

関連論文リスト

• An attempt to generate new bridge types from latent space of variational autoencoder [2.05750372679553]
  変分オートエンコーダは、人間のオリジナルに基づいて2つのブリッジタイプを新しいブリッジタイプに組み合わせることができる。 ジェネレーティブな人工知能技術は、ブリッジタイプのイノベーションにおいて設計者を支援することができ、副操縦士として使用できる。
  論文  参考訳（メタデータ） (2023-11-02T08:18:37Z)
• AdaPoinTr: Diverse Point Cloud Completion with Adaptive Geometry-Aware Transformers [94.11915008006483]
  本稿では,ポイントクラウドの完了をセット・ツー・セットの翻訳問題として再定義する手法を提案する。 我々は、ポイントクラウド補完のためにTransformerエンコーダデコーダアーキテクチャを採用したPoinTrと呼ばれる新しいモデルを設計する。 本手法は,PCNで6.53 CD,ShapeNet-55で0.81 CD,現実世界のKITTIで0.392 MMDを実現する。
  論文  参考訳（メタデータ） (2023-01-11T16:14:12Z)
• A Multitask Deep Learning Model for Parsing Bridge Elements and Segmenting Defect in Bridge Inspection Images [1.476043573732074]
  合衆国の広大な橋網は、その維持と修復に高い要求を課している。 橋の状況を評価するための視覚検査の膨大なコストは、ある程度の負担であることが判明した。 本稿では,橋梁要素と欠陥の相互依存性を完全に活用するマルチタスクディープニューラルネットワークを開発する。
  論文  参考訳（メタデータ） (2022-09-06T02:48:15Z)
• Dual Adaptive Transformations for Weakly Supervised Point Cloud Segmentation [78.6612285236938]
  弱制御点雲分割のための新しいDATモデル(textbfDual textbfAdaptive textbfTransformations)を提案する。 我々は,大規模S3DISデータセットとScanNet-V2データセットの2つの人気バックボーンを用いたDATモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-07-19T05:43:14Z)
• Learning Local Displacements for Point Cloud Completion [93.54286830844134]
  本稿では,3次元点雲として表現された部分的スキャンからオブジェクトとセマンティックシーンを補完する手法を提案する。 アーキテクチャはエンコーダ-デコーダ構造内で連続的に使用される3つの新しいレイヤに依存している。 オブジェクトと屋内の両方のシーン完了タスクにおけるアーキテクチャの評価を行い、最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-03-30T18:31:37Z)
• A semi-supervised self-training method to develop assistive intelligence for segmenting multiclass bridge elements from inspection videos [6.75013674088437]
  本稿では,検査ビデオから多クラス橋要素をセグメント化するための補助情報モデルを開発する。 大規模な公開データセットで事前トレーニングされたマスクリージョンベースの畳み込みニューラルネットワーク(Mask R-CNN)が新しいタスクに転送された。 半教師付き自己訓練(S$3$T)法が開発され、経験豊富な検査官がネットワークを精査する。
  論文  参考訳（メタデータ） (2021-09-10T19:22:45Z)
• HierMUD: Hierarchical Multi-task Unsupervised Domain Adaptation between Bridges for Drive-by Damage Diagnosis [9.261126434781744]
  対象橋のラベルを使わずに,橋梁の損傷を診断するために,ある橋梁から学習したモデルを転送する新しい枠組みを提案する。 我々のフレームワークは、タスク共有とタスク固有の特徴を抽出するために、逆方向の方法で階層型ニューラルネットワークモデルを訓練する。 2つの橋と3台の車両から収集した実験データについて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2021-07-23T19:39:32Z)
• When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
  正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。 精度を向上させるために,2つの軽量モジュールを提案する。 DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。 QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
  論文  参考訳（メタデータ） (2021-05-27T13:51:42Z)
• UniT: Unified Knowledge Transfer for Any-shot Object Detection and Segmentation [52.487469544343305]
  オブジェクト検出とセグメンテーションの方法は、トレーニングのための大規模インスタンスレベルのアノテーションに依存します。 本稿では,直感的かつ統一的な半教師付きモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-12T22:45:47Z)
• End-to-End Object Detection with Transformers [88.06357745922716]
  本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。 我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。 この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
  論文  参考訳（メタデータ） (2020-05-26T17:06:38Z)

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。