論文の概要: Multi-View Industrial Anomaly Detection with Epipolar Constrained Cross-View Fusion

• arxiv url: http://arxiv.org/abs/2503.11088v1
• Date: Fri, 14 Mar 2025 05:02:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:07:26.317547
• Title: Multi-View Industrial Anomaly Detection with Epipolar Constrained Cross-View Fusion
• Title（参考訳）: エピポーラ拘束型クロスビューフュージョンを用いた多視点産業異常検出
• Authors: Yifan Liu, Xun Xu, Shijie Li, Jingyi Liao, Xulei Yang,
• Abstract要約: 横方向核融合を導くために, エピポーラ幾何学制約付アテンションモジュールを導入する。 クロスビューアテンションの可能性をさらに高めるため,メモリバンクによる異常検出に触発された事前学習戦略を提案する。 我々のフレームワークは、最先端のマルチビュー異常検出データセットにおいて、既存の手法よりも優れていることを実証する。
• 参考スコア（独自算出の注目度）: 15.819291772583393
• License:
• Abstract: Multi-camera systems provide richer contextual information for industrial anomaly detection. However, traditional methods process each view independently, disregarding the complementary information across viewpoints. Existing multi-view anomaly detection approaches typically employ data-driven cross-view attention for feature fusion but fail to leverage the unique geometric properties of multi-camera setups. In this work, we introduce an epipolar geometry-constrained attention module to guide cross-view fusion, ensuring more effective information aggregation. To further enhance the potential of cross-view attention, we propose a pretraining strategy inspired by memory bank-based anomaly detection. This approach encourages normal feature representations to form multiple local clusters and incorporate multi-view aware negative sample synthesis to regularize pretraining. We demonstrate that our epipolar guided multi-view anomaly detection framework outperforms existing methods on the state-of-the-art multi-view anomaly detection dataset.
• Abstract（参考訳）: マルチカメラシステムは、産業異常検出のためのよりリッチなコンテキスト情報を提供する。 しかし、従来の手法はそれぞれの視点を独立に処理し、視点の相補的な情報を無視する。 既存のマルチビュー異常検出手法は、通常、特徴融合のためにデータ駆動のクロスビューアテンションを用いるが、マルチカメラのユニークな幾何学的特性を活用できない。 本研究では,多視点融合を誘導し,より効果的な情報収集を実現するために,エピポーラ幾何学制約付アテンションモジュールを提案する。 クロスビューアテンションの可能性をさらに高めるため,メモリバンクによる異常検出に触発された事前学習戦略を提案する。 このアプローチは、通常の特徴表現が複数の局所クラスタを形成することを奨励し、事前学習を規則化するために、多視点の負のサンプル合成を組み込む。 我々は,現在最先端のマルチビュー異常検出データセットにおいて,エピポーラガイド付きマルチビュー異常検出フレームワークが既存手法より優れていることを示す。

関連論文リスト

• Regularized Contrastive Partial Multi-view Outlier Detection [76.77036536484114]
  RCPMOD(Regularized Contrastive partial Multi-view Outlier Detection)と呼ばれる新しい手法を提案する。 このフレームワークでは、コントラスト学習を利用して、ビュー一貫性のある情報を学び、一貫性の度合いでアウトレイラを識別する。 4つのベンチマークデータセットによる実験結果から,提案手法が最先端の競合より優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-02T14:34:27Z)
• Debunking Free Fusion Myth: Online Multi-view Anomaly Detection with Disentangled Product-of-Experts Modeling [25.02446577349165]
  マルチビューやマルチモーダルデータさえも、現実世界のアプリケーションには魅力的なものです。 本稿では,(1)多視点データに対処するProduct-of-Experts層,(2)ビュー共通表現とビュー固有表現を混在させるTotal Correction Discriminator,(3)すべてのコンポーネントをラップするジョイントロス関数を含む,新しい多視点変分自動符号化モデルdPoEを提案する。
  論文  参考訳（メタデータ） (2023-10-28T15:14:43Z)
• Sketched Multi-view Subspace Learning for Hyperspectral Anomalous Change Detection [12.719327447589345]
  異常変化検出のためのスケッチ付きマルチビューサブスペース学習モデルを提案する。 提案モデルでは,画像ペアからの主要な情報を保存し,計算複雑性を向上させる。 実験は、ベンチマークハイパースペクトルリモートセンシングデータセットと自然なハイパースペクトルデータセットで実施される。
  論文  参考訳（メタデータ） (2022-10-09T14:08:17Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Multi-Perspective Anomaly Detection [3.3511723893430476]
  我々は,ディープサポートベクトルデータ記述アルゴリズムを構築し,マルチパースペクティブな異常検出に対処する。 我々は、少ない一級データを扱うために、デノナイジングプロセスで異なる拡張手法を採用する。 2つの異なる視点からの画像を用いて新しいダイスデータセットのアプローチを評価し、標準MNISTデータセットのベンチマークを行った。
  論文  参考訳（メタデータ） (2021-05-20T17:07:36Z)
• Self-supervised Human Detection and Segmentation via Multi-view Consensus [116.92405645348185]
  本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。 本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-09T15:47:21Z)
• Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from Cross View and Each View [68.88732535086338]
  本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。 5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-08-23T08:25:06Z)

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。