論文の概要: 3D-ADAM: A Dataset for 3D Anomaly Detection in Advanced Manufacturing

• arxiv url: http://arxiv.org/abs/2507.07838v1
• Date: Thu, 10 Jul 2025 15:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.456911
• Title: 3D-ADAM: A Dataset for 3D Anomaly Detection in Advanced Manufacturing
• Title（参考訳）: 3D-ADAM : 先端製造における3次元異常検出用データセット
• Authors: Paul McHard, Florent P. Audonnet, Oliver Summerell, Sebastian Andraos, Paul Henderson, Gerardo Aragon-Camarasa,
• Abstract要約: 3D-ADAMは、高精度な3D異常検出のための、最初の大規模産業関連データセットである。 14,120個の高分解能スキャンを217個に分け、4つの産業用深度イメージングセンサーで撮影する。 12のカテゴリから27,346の注釈付き欠陥があり、工業用表面欠陥の幅をカバーしている。
• 参考スコア（独自算出の注目度）: 5.096333816641487
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Surface defects are one of the largest contributors to low yield in the manufacturing sector. Accurate and reliable detection of defects during the manufacturing process is therefore of great value across the sector. State-of-the-art approaches to automated defect detection yield impressive performance on current datasets, yet still fall short in real-world manufacturing settings and developing improved methods relies on large datasets representative of real-world scenarios. Unfortunately, high-quality, high-precision RGB+3D industrial anomaly detection datasets are scarce, and typically do not reflect real-world industrial deployment scenarios. To address this, we introduce 3D-ADAM, the first large-scale industry-relevant dataset for high-precision 3D Anomaly Detection. 3D-ADAM comprises 14,120 high-resolution scans across 217 unique parts, captured using 4 industrial depth imaging sensors. It includes 27,346 annotated defect instances from 12 categories, covering the breadth of industrial surface defects. 3D-ADAM uniquely captures an additional 8,110 annotations of machine element features, spanning the range of relevant mechanical design form factors. Unlike existing datasets, 3D-ADAM is captured in a real industrial environment with variations in part position and orientation, camera positioning, ambient lighting conditions, as well as partial occlusions. Our evaluation of SOTA models across various RGB+3D anomaly detection tasks demonstrates the significant challenge this dataset presents to current approaches. We further validated the industrial relevance and quality of the dataset through an expert labelling survey conducted by industry partners. By providing this challenging benchmark, 3D-ADAM aims to accelerate the development of robust 3D Anomaly Detection models capable of meeting the demands of modern manufacturing environments.
• Abstract（参考訳）: 表面欠陥は製造業における低利回りへの最大の貢献者の1つである。 したがって、製造過程における欠陥の正確かつ確実な検出は、セクター全体で大きな価値がある。 自動欠陥検出に対する最先端のアプローチは、現在のデータセットでは素晴らしいパフォーマンスをもたらすが、実際の製造環境ではまだ不足しており、改善されたメソッドの開発は、実際のシナリオを表す大規模なデータセットに依存している。 残念ながら、高品質で高精度なRGB+3D産業異常検出データセットは乏しく、一般的には実際の産業展開シナリオを反映していない。 そこで本研究では,高精度な3D異常検出のための大規模産業関連データセットである3D-ADAMを紹介する。 3D-ADAMは、217箇所にわたる14,120個の高解像度スキャンで構成され、4つの産業用深度イメージングセンサーで撮影されている。 12のカテゴリから27,346の注釈付き欠陥があり、工業用表面欠陥の幅をカバーしている。 3D-ADAMは、関連するメカニカルデザインフォームファクタの範囲にまたがる、マシン要素の特徴の8,110のアノテーションを独自にキャプチャする。 既存のデータセットとは異なり、3D-ADAMは実際の産業環境において、部分の位置と方向、カメラの位置、周囲の照明条件、および部分的閉塞でキャプチャされる。 各種RGB+3D異常検出タスクにおけるSOTAモデルの評価は、このデータセットが現在のアプローチにもたらす重要な課題を示している。 さらに,業界パートナーによる専門的なラベル付け調査を通じて,データセットの産業的妥当性と品質を検証した。 この挑戦的なベンチマークを提供することにより、3D-ADAMは、現代の製造環境の要求を満たすことのできる堅牢な3D異常検出モデルの開発を加速することを目指している。

関連論文リスト

• Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection [53.2590751089607]
  Real-IAD D3は高精度なマルチモーダルデータセットであり、フォトメトリックステレオによって生成された擬似3Dモダリティが組み込まれている。 本稿では,RGB,点雲,擬似3次元深度情報を統合し,各モードの相補的強度を活用する効果的な手法を提案する。 本実験は,検出の堅牢性向上とIAD全体の性能向上におけるこれらのモダリティの重要性を強調した。
  論文  参考訳（メタデータ） (2025-04-19T08:05:47Z)
• 3D-PNAS: 3D Industrial Surface Anomaly Synthesis with Perlin Noise [1.6585375093252448]
  パーリンノイズと表面パラメータ化に基づく3D-PNASを提案する。 提案手法は,2次元平面上に点雲を投影し,パーリンノイズ場からマルチスケールノイズ値をサンプリングし,その通常の方向に沿って点雲を摂動させることにより,現実的な3次元表面異常を生成する。
  論文  参考訳（メタデータ） (2025-04-17T11:23:17Z)
• ISP-AD: A Large-Scale Real-World Dataset for Advancing Industrial Anomaly Detection with Synthetic and Real Defects [0.0]
  産業用スクリーン印刷異常検出データセット(ISP-AD) ISP-ADは、ファクトリフロアから直接収集された合成欠陥と実際の欠陥を含む、これまでで最大のパブリックな産業データセットである。 合成および実際の欠陥を取り入れた複合教師あり訓練手法の実験を行った。 研究結果は, 偽陽性率の低い, 高いリコールなどの産業検査要求を満たすことによって, 合成的, 蓄積的両欠陥による監督が相互に補完できることを示唆している。
  論文  参考訳（メタデータ） (2025-03-06T21:56:31Z)
• A Survey on RGB, 3D, and Multimodal Approaches for Unsupervised Industrial Image Anomaly Detection [24.634671653473397]
  無監督産業画像異常検出技術は、異常サンプルの不足を効果的に克服する。 このアーティカルは、3つのモード設定でUIADタスクの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2024-10-29T12:12:45Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Real3D-AD: A Dataset of Point Cloud Anomaly Detection [75.56719157477661]
  本稿では,高精度なクラウド異常検出データセットであるReal3D-ADを紹介する。 1,254個の高解像度の3Dアイテムが、各項目に4万から数百万のポイントがあり、Real3D-ADは高精度な3D産業異常検出のための最大のデータセットである。 本稿では,高精度点雲異常検出のためのベースライン手法が存在しないことを明らかにする,Real3D-ADの総合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-09-23T00:43:38Z)
• The MVTec 3D-AD Dataset for Unsupervised 3D Anomaly Detection and Localization [17.437967037670813]
  教師なし異常検出と局所化のタスクのための,最初の包括的3Dデータセットを提案する。 これは、モデルが製造された製品の様々な種類の欠陥を検出する必要がある実世界の視覚検査シナリオにインスパイアされている。
  論文  参考訳（メタデータ） (2021-12-16T17:35:51Z)

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。