論文の概要: synth-dacl: Does Synthetic Defect Data Enhance Segmentation Accuracy and Robustness for Real-World Bridge Inspections?

• arxiv url: http://arxiv.org/abs/2506.14255v1
• Date: Tue, 17 Jun 2025 07:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.373614
• Title: synth-dacl: Does Synthetic Defect Data Enhance Segmentation Accuracy and Robustness for Real-World Bridge Inspections?
• Title（参考訳）: Synth-dacl: 実世界の橋梁検査において, 合成欠陥データがセグメンテーション精度とロバスト性に影響を及ぼすか?
• Authors: Johannes Flotzinger, Fabian Deuser, Achref Jaziri, Heiko Neumann, Norbert Oswald, Visvanathan Ramesh, Thomas Braml,
• Abstract要約: シンスダクラ(synth-dacl)は、合成コンクリートのテクスチャに基づく3つの新しいデータセット拡張のコンパイルである。 15個の摂動テストセットでモデルロバスト性を大幅に改善する。
• 参考スコア（独自算出の注目度）: 6.439226140891732
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Adequate bridge inspection is increasingly challenging in many countries due to growing ailing stocks, compounded with a lack of staff and financial resources. Automating the key task of visual bridge inspection, classification of defects and building components on pixel level, improves efficiency, increases accuracy and enhances safety in the inspection process and resulting building assessment. Models overtaking this task must cope with an assortment of real-world conditions. They must be robust to variations in image quality, as well as background texture, as defects often appear on surfaces of diverse texture and degree of weathering. dacl10k is the largest and most diverse dataset for real-world concrete bridge inspections. However, the dataset exhibits class imbalance, which leads to notably poor model performance particularly when segmenting fine-grained classes such as cracks and cavities. This work introduces "synth-dacl", a compilation of three novel dataset extensions based on synthetic concrete textures. These extensions are designed to balance class distribution in dacl10k and enhance model performance, especially for crack and cavity segmentation. When incorporating the synth-dacl extensions, we observe substantial improvements in model robustness across 15 perturbed test sets. Notably, on the perturbed test set, a model trained on dacl10k combined with all synthetic extensions achieves a 2% increase in mean IoU, F1 score, Recall, and Precision compared to the same model trained solely on dacl10k.
• Abstract（参考訳）: 多くの国では、設備不足や人員不足、財政資源不足が原因で、橋梁検査がますます困難になっている。 視覚的ブリッジ検査のキータスクの自動化、欠陥の分類、画素レベルでの構成要素の分類、効率の向上、精度の向上、検査プロセスの安全性の向上、ビルディングアセスメントの成果。 この課題を克服するモデルは、現実世界の状況に対処しなければならない。 様々なテクスチャや風化の度合いの面に欠陥がしばしば現れるため、画質の変動や背景テクスチャに頑丈でなければならない。 dacl10kは、実世界のコンクリート橋検査のための、最大かつ最も多様なデータセットである。 しかし、データセットはクラス不均衡を示し、特にひび割れやキャビティなどのきめ細かいクラスをセグメンテーションする場合、特にモデルパフォーマンスが著しく低下する。 本研究は, 合成コンクリートのテクスチャに基づく3つの新しいデータセット拡張をまとめた「synth-dacl」を紹介する。 これらの拡張は、dacl10kにおけるクラス分布のバランスを保ち、特にひび割れやキャビティセグメンテーションのモデル性能を向上させるように設計されている。 シンス・ダクリ拡張を組み込んだ場合、15個の摂動テストセットでモデルロバスト性を大幅に改善する。 特に、摂動試験セットでは、dacl10kでトレーニングされたモデルとすべての合成拡張を組み合わせれば、dacl10kでトレーニングされたモデルと比較して平均IoU、F1スコア、リコール、精度が2%向上する。

関連論文リスト

• Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
  エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。 これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。 提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
  論文  参考訳（メタデータ） (2024-09-04T16:47:16Z)
• Benchmarking Zero-Shot Robustness of Multimodal Foundation Models: A Pilot Study [61.65123150513683]
  CLIPのようなマルチモーダル基盤モデルは、最先端のゼロショット結果を生成する。 これらのモデルは、ImageNetでトレーニングされた教師付きモデルのパフォーマンスを一致させることで、ロバスト性ギャップを埋めることが報告されている。 CLIPは、ベンチマーク上の教師付きImageNetモデルと比較して、かなりの堅牢性低下をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-03-15T17:33:49Z)
• Uncertainty-guided Boundary Learning for Imbalanced Social Event Detection [64.4350027428928]
  本研究では,不均衡なイベント検出タスクのための不確実性誘導型クラス不均衡学習フレームワークを提案する。 我々のモデルは、ほとんど全てのクラス、特に不確実なクラスにおいて、社会イベントの表現と分類タスクを大幅に改善する。
  論文  参考訳（メタデータ） (2023-10-30T03:32:04Z)
• Defect Spectrum: A Granular Look of Large-Scale Defect Datasets with Rich Semantics [27.03052142039447]
  Defect Spectrumは、広範囲の産業的欠陥に対して、正確でセマンティックな、そして大規模なアノテーションを提供する包括的なベンチマークである。 4つの重要な産業ベンチマークに基づいて、私たちのデータセットは既存のアノテーションを洗練し、単一のイメージ内の複数の欠陥タイプを識別する、リッチなセマンティックな詳細を導入します。 また、高品質で多様な欠陥画像を作成するために設計された2段階拡散ベースジェネレータであるDefect-Genを紹介する。
  論文  参考訳（メタデータ） (2023-10-26T11:23:24Z)
• dacl1k: Real-World Bridge Damage Dataset Putting Open-Source Data to the Test [0.6827423171182154]
  dacl1kは1,474枚の画像を含む建築検査に基づく多ラベル分類のための多ラベルRCDデータセットである。 我々は、オープンソースデータ(メタデータセット)の異なる組み合わせに基づいてモデルを訓練し、その後、外在的にも内在的にも評価された。 dacl1kの性能分析は、メタデータの実用性を示し、最良のモデルでは、Exact Match比が32%である。
  論文  参考訳（メタデータ） (2023-09-07T15:05:35Z)
• dacl10k: Benchmark for Semantic Bridge Damage Segmentation [0.0]
  dacl10kは、現実世界の橋梁検査から得られる9,920枚の画像からなる、セマンティックセグメンテーションのための非常に多様なRCDデータセットである。 dacl10kは、建物評価と推奨行動において重要な役割を果たす6つのブリッジコンポーネントに加えて、12の損傷クラスを区別する。
  論文  参考訳（メタデータ） (2023-09-01T13:46:24Z)
• OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution Shifts of Individual Nuisances in Natural Images [59.51657161097337]
  OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。 この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
  論文  参考訳（メタデータ） (2023-04-17T20:39:25Z)
• Generative Modeling Helps Weak Supervision (and Vice Versa) [87.62271390571837]
  本稿では,弱い監督と生成的敵ネットワークを融合したモデルを提案する。 弱い監督によるラベル推定と並行して、データの離散変数をキャプチャする。 これは、弱い教師付き合成画像と擬似ラベルによるデータ拡張を可能にする最初のアプローチである。
  論文  参考訳（メタデータ） (2022-03-22T20:24:21Z)
• When Does Contrastive Learning Preserve Adversarial Robustness from Pretraining to Finetuning? [99.4914671654374]
  本稿では,新しい逆比較事前学習フレームワークAdvCLを提案する。 本稿では,AdvCLがモデル精度と微調整効率を損なうことなく,タスク間の堅牢性伝達性を向上できることを示す。
  論文  参考訳（メタデータ） (2021-11-01T17:59:43Z)

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。