Fugu-MT 論文翻訳(概要): DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection

論文の概要: DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection

arxiv url: http://arxiv.org/abs/2410.09821v1
Date: Sun, 13 Oct 2024 12:38:16 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 04:42:49.019770
Title: DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection
Title（参考訳）: DAS3D:Dual-modality Anomaly Synthesis for 3D Anomaly Detection
Authors: Kecen Li, Bingquan Dai, Jingjing Fu, Xinwen Hou,
Abstract要約: 本稿では3次元異常合成のための新しい2次元モード拡張法を提案する。本稿では,再構成に基づく識別異常検出ネットワークを提案する。提案手法は,検出精度において最先端の手法よりも優れ,競争力のあるセグメンテーション性能を実現する。
参考スコア（独自算出の注目度）: 5.062312533373299
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Synthesizing anomaly samples has proven to be an effective strategy for self-supervised 2D industrial anomaly detection. However, this approach has been rarely explored in multi-modality anomaly detection, particularly involving 3D and RGB images. In this paper, we propose a novel dual-modality augmentation method for 3D anomaly synthesis, which is simple and capable of mimicking the characteristics of 3D defects. Incorporating with our anomaly synthesis method, we introduce a reconstruction-based discriminative anomaly detection network, in which a dual-modal discriminator is employed to fuse the original and reconstructed embedding of two modalities for anomaly detection. Additionally, we design an augmentation dropout mechanism to enhance the generalizability of the discriminator. Extensive experiments show that our method outperforms the state-of-the-art methods on detection precision and achieves competitive segmentation performance on both MVTec 3D-AD and Eyescandies datasets.
Abstract（参考訳）: 異常サンプルの合成は, 自己監督型産業用2次元異常検出に有効な方法であることが証明されている。しかし、このアプローチは、特に3DおよびRGB画像を含む多モード異常検出において、めったに研究されていない。本稿では,3次元異常を再現可能な3次元異常合成のための新しい2次元モード拡張法を提案する。そこで,本研究では,2つの異常検出のための2つのモダリティのオリジナルおよび再構築された埋め込みを融合させるために,二重モード判別器を用いた再構成に基づく識別異常検出ネットワークを導入する。さらに,識別器の一般化性を高めるため,拡張ドロップアウト機構を設計する。広汎な実験により,本手法は検出精度において最先端の手法よりも優れており,MVTec 3D-ADとEyescandiesの双方のデータセット上での競合セグメンテーション性能を実現していることがわかった。

関連論文リスト

DualAnoDiff: Dual-Interrelated Diffusion Model for Few-Shot Anomaly Image Generation [40.257604426546216]
製造業における異常検査の性能は異常データの不足によって制約される。既存の異常発生法は、生成した異常の多様性が限られている。本稿では,新しい拡散型少数ショット画像生成モデルであるDualAnoDiffを提案する。
論文参考訳（メタデータ） (2024-08-24T08:09:32Z)
R3D-AD: Reconstruction via Diffusion for 3D Anomaly Detection [12.207437451118036]
3次元異常検出は、精密製造における局所固有の欠陥のモニタリングにおいて重要な役割を担っている。埋め込みベースおよび再構築ベースのアプローチは、最も人気があり、成功した方法の一つである。本稿では, 高精度な3次元異常検出のための拡散モデルにより, 異常点雲を再構成するR3D-ADを提案する。
論文参考訳（メタデータ） (2024-07-15T16:10:58Z)
M3DM-NR: RGB-3D Noisy-Resistant Industrial Anomaly Detection via Multimodal Denoising [63.39134873744748]
既存の産業異常検出手法は主に、原始RGB画像を用いた教師なし学習に重点を置いている。本稿では,CLIPの強力なマルチモーダル識別機能を利用する新しい耐雑音性M3DM-NRフレームワークを提案する。 M3DM-NRは3D-RGBマルチモーダルノイズ異常検出において最先端の手法より優れていた。
論文参考訳（メタデータ） (2024-06-04T12:33:02Z)
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)
Generating and Reweighting Dense Contrastive Patterns for Unsupervised Anomaly Detection [59.34318192698142]
我々は、先行のない異常発生パラダイムを導入し、GRADと呼ばれる革新的な教師なし異常検出フレームワークを開発した。 PatchDiffは、様々な種類の異常パターンを効果的に公開する。 MVTec ADとMVTec LOCOデータセットの両方の実験も、前述の観測をサポートする。
論文参考訳（メタデータ） (2023-12-26T07:08:06Z)
Achieving state-of-the-art performance in the Medical Out-of-Distribution (MOOD) challenge using plausible synthetic anomalies [0.5677301320664404]
非教師付き異常検出(out-of-distribution detection)は、異常なサンプルを特定することを目的としている。本手法は,局所的な合成異常を識別するためのセグメンテーションネットワークを訓練する自己教師型戦略に基づいている。我々の貢献により, 合成異常発生プロセスが改善し, 合成異常がより均一になる。
論文参考訳（メタデータ） (2023-08-02T20:16:13Z)
Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
論文参考訳（メタデータ） (2023-03-01T15:48:27Z)
DSR -- A dual subspace re-projection network for surface anomaly detection [9.807317669057175]
本稿では、画像レベルの異常合成要求を回避するために、デュアルデコーダDSRを用いた量子化された特徴空間表現に基づくアーキテクチャを提案する。挑戦的な実世界のKSDD2データセットの実験は、DSRが他の教師なし表面異常検出方法よりも大幅に優れていることを示している。
論文参考訳（メタデータ） (2022-08-02T15:15:29Z)
Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文参考訳（メタデータ） (2022-03-29T07:14:58Z)
The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文参考訳（メタデータ） (2022-01-29T10:54:57Z)

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。