論文の概要: Zero-Shot Anomaly Detection in Battery Thermal Images Using Visual Question Answering with Prior Knowledge

• arxiv url: http://arxiv.org/abs/2505.16674v1
• Date: Thu, 22 May 2025 13:39:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.332372
• Title: Zero-Shot Anomaly Detection in Battery Thermal Images Using Visual Question Answering with Prior Knowledge
• Title（参考訳）: 予備知識を用いた視覚的質問応答を用いた電池熱画像のゼロショット異常検出
• Authors: Marcella Astrid, Abdelrahman Shabayek, Djamila Aouada,
• Abstract要約: バッテリーの熱画像における異常検出は、早期に故障を特定するのに役立つ。 従来のディープラーニング手法では、広範なラベル付きデータが必要である。 視覚質問応答(VQA)モデルを用いたゼロショット異常検出について検討する。
• 参考スコア（独自算出の注目度）: 11.377891847991718
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Batteries are essential for various applications, including electric vehicles and renewable energy storage, making safety and efficiency critical concerns. Anomaly detection in battery thermal images helps identify failures early, but traditional deep learning methods require extensive labeled data, which is difficult to obtain, especially for anomalies due to safety risks and high data collection costs. To overcome this, we explore zero-shot anomaly detection using Visual Question Answering (VQA) models, which leverage pretrained knowledge and textbased prompts to generalize across vision tasks. By incorporating prior knowledge of normal battery thermal behavior, we design prompts to detect anomalies without battery-specific training data. We evaluate three VQA models (ChatGPT-4o, LLaVa-13b, and BLIP-2) analyzing their robustness to prompt variations, repeated trials, and qualitative outputs. Despite the lack of finetuning on battery data, our approach demonstrates competitive performance compared to state-of-the-art models that are trained with the battery data. Our findings highlight the potential of VQA-based zero-shot learning for battery anomaly detection and suggest future directions for improving its effectiveness.
• Abstract（参考訳）: 電池は、電気自動車や再生可能エネルギー貯蔵など様々な用途に不可欠であり、安全と効率を重要視している。 電池の熱画像の異常検出は早期に故障を検出するのに役立つが、従来のディープラーニング手法では、特に安全性のリスクやデータ収集コストが高い異常のために、取得が困難である広範囲なラベル付きデータを必要とする。 これを解決するために,事前学習された知識とテキストベースのプロンプトを利用して視覚タスクを一般化する視覚質問応答(VQA)モデルを用いたゼロショット異常検出について検討する。 通常の電池の熱的挙動の事前の知識を取り入れることで、電池固有のトレーニングデータなしで異常を検出するプロンプトを設計する。 3つのVQAモデル (ChatGPT-4o, LLaVa-13b, BLIP-2) を評価し, その頑健さを解析して, 変動, 繰り返し試行, 定性的出力を誘導する。 バッテリーデータに微調整がないにもかかわらず、我々のアプローチは、バッテリーデータでトレーニングされた最先端モデルと比較して、競争力のある性能を示す。 本研究は,バッテリ異常検出におけるVQAに基づくゼロショット学習の可能性を明らかにするとともに,その有効性を高めるための今後の方向性を提案する。

関連論文リスト

• Deep Learning Methods for Detecting Thermal Runaway Events in Battery Production Lines [0.5530212768657544]
  オランダの自動車メーカーであるVDL Nedcar のバッテリ生産ラインにおけるサーマルランウェイ検出におけるディープラーニングの適用について検討した。 生産ラインからデータを収集し、ベースライン(非熱流出)と熱流出条件の両方を表現します。 データは光学画像と熱画像の両方で構成され、それを前処理して融合させた後、我々のモデルへの入力として機能した。
  論文  参考訳（メタデータ） (2025-04-11T15:35:50Z)
• Survival Analysis with Machine Learning for Predicting Li-ion Battery Remaining Useful Life [4.6033243214188415]
  本研究では、生存データ再構成、生存モデル学習、生存確率推定を統合したハイブリッド生存分析フレームワークを提案する。 提案手法は, 電池電圧時系列を経路シグネチャを用いた時間から障害データに変換する。 トヨタのバッテリとNASAのバッテリデータセットを用いて行った実験は,我々のアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2025-03-17T02:49:34Z)
• What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
  本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。 我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。 また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
  論文  参考訳（メタデータ） (2025-01-28T14:12:32Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Test-Time Adaptation for Combating Missing Modalities in Egocentric Videos [92.38662956154256]
  現実のアプリケーションは、プライバシの懸念、効率性の必要性、ハードウェアの問題により、不完全なモダリティを伴う問題に直面することが多い。 再トレーニングを必要とせずに,テスト時にこの問題に対処する新しい手法を提案する。 MiDlは、欠落したモダリティをテスト時にのみ扱う、自己管理型のオンラインソリューションとしては初めてのものだ。
  論文  参考訳（メタデータ） (2024-04-23T16:01:33Z)
• Cycle Life Prediction for Lithium-ion Batteries: Machine Learning and More [0.0]
  電池は複雑な非線形時効を持つ動的システムである。 このチュートリアルは、第一原理、機械学習、ハイブリッドバッテリーモデルの概要から始まる。 機械学習モデルの課題を強調し、ハイブリッドモデリングアプローチにおける物理の組み入れを動機づける。
  論文  参考訳（メタデータ） (2024-04-05T12:05:20Z)
• Enhanced Gaussian Process Dynamical Models with Knowledge Transfer for Long-term Battery Degradation Forecasting [0.9208007322096533]
  電気自動車のバッテリーの寿命や寿命の予測は、決定的かつ困難な問題だ。 多数のアルゴリズムが、バッテリ管理システムが収集したデータから利用できる機能を組み込んでいる。 この制限を克服できる高精度な手法を開発した。
  論文  参考訳（メタデータ） (2022-12-03T12:59:51Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
  ビデオにおける異常検出は、コンピュータビジョンの問題である。 本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
  論文  参考訳（メタデータ） (2020-11-15T10:21:28Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。