論文の概要: Fully-Synthetic Training for Visual Quality Inspection in Automotive Production

• arxiv url: http://arxiv.org/abs/2503.09354v1
• Date: Wed, 12 Mar 2025 12:58:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:39:09.219301
• Title: Fully-Synthetic Training for Visual Quality Inspection in Automotive Production
• Title（参考訳）: 自動車生産における視覚品質検査のための完全合成トレーニング
• Authors: Christoph Huber, Dino Knoll, Michael Guthe,
• Abstract要約: 領域ランダム化を用いた合成画像を生成するパイプラインを提案する。 提案手法を実検シナリオで評価し,合成データのみに基づいて訓練された物体検出モデルが実画像上で訓練されたモデルより優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.4915744683251149
• License:
• Abstract: Visual Quality Inspection plays a crucial role in modern manufacturing environments as it ensures customer safety and satisfaction. The introduction of Computer Vision (CV) has revolutionized visual quality inspection by improving the accuracy and efficiency of defect detection. However, traditional CV models heavily rely on extensive datasets for training, which can be costly, time-consuming, and error-prone. To overcome these challenges, synthetic images have emerged as a promising alternative. They offer a cost-effective solution with automatically generated labels. In this paper, we propose a pipeline for generating synthetic images using domain randomization. We evaluate our approach in three real inspection scenarios and demonstrate that an object detection model trained solely on synthetic data can outperform models trained on real images.
• Abstract（参考訳）: 視覚品質検査は、顧客の安全性と満足度を保証するため、現代の製造環境において重要な役割を果たす。 コンピュータビジョン(CV)の導入は、欠陥検出の精度と効率を改善して、視覚品質検査に革命をもたらした。 しかし、従来のCVモデルはトレーニングのための広範なデータセットに大きく依存しているため、コスト、時間、エラーが発生しやすい。 これらの課題を克服するために、合成画像は有望な代替手段として登場した。 自動生成ラベルによる費用対効果の高いソリューションを提供する。 本稿では,領域ランダム化を用いた合成画像を生成するパイプラインを提案する。 提案手法を実検シナリオで評価し,合成データのみに基づいて訓練された物体検出モデルが実画像上で訓練されたモデルより優れていることを示す。

関連論文リスト

• Visual Car Brand Classification by Implementing a Synthetic Image Dataset Creation Pipeline [3.524869467682149]
  安定拡散を用いた合成画像データセットの自動生成パイプラインを提案する。 YOLOv8を用いて自動境界ボックス検出と合成画像の品質評価を行う。
  論文  参考訳（メタデータ） (2024-06-03T07:44:08Z)
• BEHAVIOR Vision Suite: Customizable Dataset Generation via Simulation [57.40024206484446]
  我々は、コンピュータビジョンモデルの体系的評価のために、完全にカスタマイズされた合成データを生成するためのツールと資産のセットであるBEHAVIOR Vision Suite(BVS)を紹介する。 BVSはシーンレベルで多数の調整可能なパラメータをサポートする。 アプリケーションシナリオを3つ紹介する。
  論文  参考訳（メタデータ） (2024-05-15T17:57:56Z)
• 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 Ensemble Model for Distorted Images in Real Scenarios [0.0]
  本稿では,オブジェクト検出器YOLOv7を用いてCDCOCOデータセットから歪み画像を検出する。 慎重に設計した最適化により,CDCOCOテストセット上での優れた性能を実現する。 我々のデノナイジング検出モデルは、歪んだ画像をデノナイズし、修復することができるため、様々な現実のシナリオや環境において有用である。
  論文  参考訳（メタデータ） (2023-09-26T15:12:55Z)
• Autoencoder-Based Visual Anomaly Localization for Manufacturing Quality Control [0.0]
  本稿では,教師なしクラス選択による欠陥ローカライズオートエンコーダを提案する。 選択された欠陥のクラスは、人工的な欠陥をシミュレートするために天然の野生のテクスチャで強化される。 提案手法は, 家具用メラミン面板における品質欠陥の高精度かつ高精度な位置決めを行うことで, 有望な結果を示すものである。
  論文  参考訳（メタデータ） (2023-09-13T11:18:15Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• 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)
• A novel method for object detection using deep learning and CAD models [0.4588028371034407]
  目的の検出(OD)は生産ラインの品質管理に使用することができる企業のための重要なコンピュータ視野問題です。 近年,Deep Learning (DL) 手法により,複雑な実世界の画像上でのODモデルの訓練が可能になった。 本稿では,オブジェクトのCADモデルを用いた完全自動化手法を導入し,このオブジェクトを検出するための完全に訓練されたODモデルを返す。
  論文  参考訳（メタデータ） (2021-02-12T19:19:45Z)
• 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)
• Deep Learning Models for Visual Inspection on Automotive Assembling Line [2.594420805049218]
  本稿では,深層学習を用いた視覚検査支援手法を提案する。 提案手法は、実際の自動車組立ラインにおける4つの概念実証によって説明される。
  論文  参考訳（メタデータ） (2020-07-02T20:00:45Z)
• Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and Wild [98.48284827503409]
  我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。 我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。 6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
  論文  参考訳（メタデータ） (2020-05-28T13:35:23Z)

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。