論文の概要: SYNOSIS: Image synthesis pipeline for machine vision in metal surface inspection

• arxiv url: http://arxiv.org/abs/2410.14844v1
• Date: Fri, 18 Oct 2024 19:46:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:16:07.270708
• Title: SYNOSIS: Image synthesis pipeline for machine vision in metal surface inspection
• Title（参考訳）: SynOSIS:金属表面検査におけるマシンビジョンのための画像合成パイプライン
• Authors: Juraj Fulir, Natascha Jeziorski, Lovro Bosnar, Hans Hagen, Claudia Redenbach, Petra Gospodnetić, Tobias Herrfurth, Marcus Trost, Thomas Gischkat,
• Abstract要約: 本研究では,表面検査のための画像合成手法を詳細に記述した完全なパイプラインを提案する。 パイプラインは、加工およびサンドブラスト加工されたアルミニウム表面に対して詳細に評価されている。
• 参考スコア（独自算出の注目度）: 1.1802456989915404
• License:
• Abstract: The use of machine learning (ML) methods for development of robust and flexible visual inspection system has shown promising. However their performance is highly dependent on the amount and diversity of training data. This is often restricted not only due to costs but also due to a wide variety of defects and product surfaces which occur with varying frequency. As such, one can not guarantee that the acquired dataset contains enough defect and product surface occurrences which are needed to develop a robust model. Using parametric synthetic dataset generation, it is possible to avoid these issues. In this work, we introduce a complete pipeline which describes in detail how to approach image synthesis for surface inspection - from first acquisition, to texture and defect modeling, data generation, comparison to real data and finally use of the synthetic data to train a defect segmentation model. The pipeline is in detail evaluated for milled and sandblasted aluminum surfaces. In addition to providing an in-depth view into each step, discussion of chosen methods, and presentation of ML results, we provide a comprehensive dual dataset containing both real and synthetic images.
• Abstract（参考訳）: 堅牢でフレキシブルな視覚検査システムの開発に機械学習(ML)手法が用いられていることは有望である。 しかし、そのパフォーマンスはトレーニングデータの量と多様性に大きく依存している。 これはコストだけでなく、様々な周波数で発生する様々な欠陥や製品表面によって制限されることが多い。 そのため、取得したデータセットに十分な欠陥と、堅牢なモデルを開発するために必要な製品表面の発生が含まれていることを保証できない。 パラメトリック合成データセット生成を用いることで、これらの問題を回避することができる。 本研究では,表面検査のための画像合成のアプローチ方法を詳述する完全なパイプラインを導入する。最初の取得からテクスチャと欠陥モデリング,データ生成,実データとの比較,そして最終的に合成データを用いて欠陥分割モデルを訓練する。 パイプラインは、加工およびサンドブラスト加工されたアルミニウム表面に対して詳細に評価されている。 各ステップの詳細なビュー、選択したメソッドの議論、ML結果の提示に加えて、実画像と合成画像の両方を含む総合的な二重データセットを提供する。

関連論文リスト

• AssemAI: Interpretable Image-Based Anomaly Detection for Manufacturing Pipelines [0.0]
  製造パイプラインにおける異常検出は、産業環境の複雑さと変動性によって強化され、依然として重要な課題である。 本稿では,スマート製造パイプラインに適した解釈可能な画像ベース異常検出システムAssemAIを紹介する。
  論文  参考訳（メタデータ） (2024-08-05T01:50:09Z)
• Visual Deformation Detection Using Soft Material Simulation for Pre-training of Condition Assessment Models [3.0477617036157136]
  オープンソースのシミュレーションツールであるBlenderを使用して、機械学習(ML)モデルのための合成データセットを作成することを提案する。 このプロセスでは、専門家情報を形状キーパラメータに翻訳して変形をシミュレートし、変形したオブジェクトと非変形したオブジェクトの両方のイメージを生成する。
  論文  参考訳（メタデータ） (2024-04-02T01:58:53Z)
• Stochastic Geometry Models for Texture Synthesis of Machined Metallic Surfaces: Sandblasting and Milling [0.7673339435080445]
  視覚面検査システムのためのトレーニング欠陥検出アルゴリズムには,大規模かつ代表的なトレーニングデータが必要である。 テクスチャ合成モデルを用いて微小な表面トポグラフィーをモデル化するデジタルツインが必要である。
  論文  参考訳（メタデータ） (2024-03-20T09:27:49Z)
• View-Dependent Octree-based Mesh Extraction in Unbounded Scenes for Procedural Synthetic Data [71.22495169640239]
  手続き署名距離関数(SDF)は、大規模な詳細なシーンをモデル化するための強力なツールである。 OcMesherというメッシュ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-13T18:56:13Z)
• ContraNeRF: Generalizable Neural Radiance Fields for Synthetic-to-real Novel View Synthesis via Contrastive Learning [102.46382882098847]
  まず,合成から現実への新規な視点合成における合成データの影響について検討した。 本稿では,幾何制約を伴う多視点一貫した特徴を学習するために,幾何対応のコントラスト学習を導入することを提案する。 提案手法は,PSNR,SSIM,LPIPSの点で,既存の一般化可能な新規ビュー合成手法よりも高い画質で精細な画像を描画することができる。
  論文  参考訳（メタデータ） (2023-03-20T12:06:14Z)
• Is synthetic data from generative models ready for image recognition? [69.42645602062024]
  本研究では,最新のテキスト・画像生成モデルから生成した合成画像が,画像認識タスクにどのように利用できるかを検討した。 本稿では,既存の生成モデルからの合成データの強大さと欠点を示し,認識タスクに合成データを適用するための戦略を提案する。
  論文  参考訳（メタデータ） (2022-10-14T06:54:24Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
  本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。 提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。 また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
  論文  参考訳（メタデータ） (2022-08-08T08:15:34Z)
• 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)
• Synthetic Data for Model Selection [2.4499092754102874]
  合成データはモデル選択に有用であることを示す。 そこで本研究では,実領域に適合する合成誤差推定をキャリブレーションする新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-03T09:52:03Z)
• Methodology for Building Synthetic Datasets with Virtual Humans [1.5556923898855324]
  大規模なデータセットは、ディープニューラルネットワークの改善、ターゲットトレーニングに使用することができる。 特に,100の合成IDからなるデータセットにまたがる複数の2次元画像のレンダリングに3次元形態素顔モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-21T10:29:36Z)

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。