論文の概要: Automatic Drywall Analysis for Progress Tracking and Quality Control in Construction
- arxiv url: http://arxiv.org/abs/2503.03422v1
- Date: Wed, 05 Mar 2025 11:49:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-06 15:52:05.032743
- Title: Automatic Drywall Analysis for Progress Tracking and Quality Control in Construction
- Title（参考訳）: 建設工程の進行追跡と品質管理のための自動ドライウォール解析
- Authors: Mariusz Trzeciakiewicz, Aleixo Cambeiro Barreiro, Niklas Gard, Anna Hilsmann, Peter Eisert,
- Abstract要約: 建設産業におけるデジタル化が不可欠となり、建物のすべての関連する情報に、集中的に簡単にアクセスできるようになった。
本稿では,現場カメラシステムによる構築の進捗と品質評価を可能にする画像ベース自動ドライウォール解析手法を提案する。
- 参考スコア（独自算出の注目度）: 3.6350564275444186
- License:
- Abstract: Digitalization in the construction industry has become essential, enabling centralized, easy access to all relevant information of a building. Automated systems can facilitate the timely and resource-efficient documentation of changes, which is crucial for key processes such as progress tracking and quality control. This paper presents a method for image-based automated drywall analysis enabling construction progress and quality assessment through on-site camera systems. Our proposed solution integrates a deep learning-based instance segmentation model to detect and classify various drywall elements with an analysis module to cluster individual wall segments, estimate camera perspective distortions, and apply the corresponding corrections. This system extracts valuable information from images, enabling more accurate progress tracking and quality assessment on construction sites. Our main contributions include a fully automated pipeline for drywall analysis, improving instance segmentation accuracy through architecture modifications and targeted data augmentation, and a novel algorithm to extract important information from the segmentation results. Our modified model, enhanced with data augmentation, achieves significantly higher accuracy compared to other architectures, offering more detailed and precise information than existing approaches. Combined with the proposed drywall analysis steps, it enables the reliable automation of construction progress and quality assessment.
- Abstract（参考訳）: 建設産業におけるデジタル化が不可欠となり、建物のすべての関連する情報に、集中的に簡単にアクセスできるようになった。
自動システムは、変更のタイムリーでリソース効率のよいドキュメンテーションを促進することができる。
本稿では,現場カメラシステムによる構築の進捗と品質評価を可能にする画像ベース自動ドライウォール解析手法を提案する。
提案手法は,深層学習に基づくインスタンスセグメンテーションモデルを統合し,様々なドライウォール要素を解析モジュールで検出・分類し,個々の壁セグメントをクラスタ化し,カメラ視点の歪みを推定し,対応する補正を適用する。
このシステムは画像から貴重な情報を抽出し、より正確な進捗追跡と建設現場の品質評価を可能にする。
我々の主な貢献は、完全に自動化されたドライウォール分析パイプライン、アーキテクチャ修正とターゲットデータ拡張によるインスタンスセグメンテーション精度の向上、そしてセグメンテーション結果から重要な情報を抽出する新しいアルゴリズムである。
データ拡張によって強化された我々の修正モデルは、他のアーキテクチャに比べてはるかに精度が高く、既存のアプローチよりも詳細な情報を提供する。
提案したドライウォール解析ステップと組み合わせることで,建設進捗の信頼性の高い自動化と品質評価が可能になる。
関連論文リスト
- Automated Detection and Analysis of Minor Deformations in Flat Walls Due to Railway Vibrations Using LiDAR and Machine Learning [0.34779962034842477]
本研究では, 沿線線路の振動による平坦な壁面の微小変形を自動的に同定する手法を提案する。
高密度の地上レーザースキャナ(TLS)のLiDARサーベイとAI/ML技術を活用してデータの収集と分析を行う。
解析は平坦な壁に沿って断面を同定し,その変形を地盤の向きに対して推定することに焦点を当てた。
論文 参考訳（メタデータ） (2025-01-11T07:09:57Z) - Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。
Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。
コントリビューションの中心は、QGround-100Kデータセットの導入です。
論文 参考訳（メタデータ） (2024-07-24T06:42:46Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - An Integrated Data Processing Framework for Pretraining Foundation Models [57.47845148721817]
研究者や実践者は、しばしば異なるソースからデータセットを手動でキュレートする必要がある。
本稿では,処理モジュールと解析モジュールを統合したデータ処理フレームワークを提案する。
提案されたフレームワークは使いやすく、柔軟です。
論文 参考訳（メタデータ） (2024-02-26T07:22:51Z) - Analysis of Video Quality Datasets via Design of Minimalistic Video Quality Models [71.06007696593704]
BVQA(Blind Quality Assessment)は、実世界のビデオ対応メディアアプリケーションにおけるエンドユーザの視聴体験の監視と改善に不可欠である。
実験分野として、BVQAモデルの改良は、主に数個の人間の評価されたVQAデータセットに基づいて測定されている。
最小主義的BVQAモデルを用いて,VQAデータセットの第一種計算解析を行う。
論文 参考訳（メタデータ） (2023-07-26T06:38:33Z) - Towards Improving Workers' Safety and Progress Monitoring of
Construction Sites Through Construction Site Understanding [0.0]
我々は,グローバルな特徴親和性関連に基づくチャネル関係を改善するために,軽量なOPモジュールを提案する。
OP-Netは、あらゆるディープニューラルネットワークにプラグインできる一般的なディープニューラルネットワークモジュールである。
SODAを用いたベンチマークテストでは、OP-Netが新しい最先端性能を精度良く達成できることを示した。
論文 参考訳（メタデータ） (2022-10-27T20:33:46Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - Construction material classification on imbalanced datasets for
construction monitoring automation using Vision Transformer (ViT)
architecture [0.0]
建設における自動化のスコープは幅広い段階を含み、建設プロジェクトを監視することは例外ではない。
本稿では,視覚変換器(ViT)と呼ばれる新しいディープラーニングアーキテクチャを用いて,建設材料の検出と分類を行う。
得られた結果から,すべてのパラメータおよび材料カテゴリーで100%の精度が得られた。
論文 参考訳（メタデータ） (2021-08-21T15:29:56Z) - Comprehensive process-molten pool relations modeling using CNN for
wire-feed laser additive manufacturing [14.092644790436635]
ワイヤーフィードレーザー添加剤製造(WLAM)は、高い自動化レベル、高い蒸着率、および印刷部品の高品質のために幅広い関心を集めています。
材料の品質の不確実性を減少させるプロセス内監視とフィードバックコントロールは、開発の初期段階にある。
本稿では,wlamシステム内の一連の制御過程パラメータの下,溶融プールから収集したin situセンシングデータを解析する。
論文 参考訳（メタデータ） (2021-03-22T05:27:20Z) - Segmentation and Analysis of a Sketched Truss Frame Using Morphological
Image Processing Techniques [0.0]
建物の能力を分析し評価する計算ツールの開発は、土木工学に大きな影響を与えた。
構造モデリングに関わる困難かつ最も時間を要するステップの1つは、分析を提供するために構造の幾何学を定義することである。
本稿では,手書きスケッチやコンピュータで作成したトラスフレームの分析を自動化する手法の開発に着目する。
論文 参考訳（メタデータ） (2020-09-28T08:50:18Z)
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。