論文の概要: A Comprehensive Survey for Real-World Industrial Defect Detection: Challenges, Approaches, and Prospects

• arxiv url: http://arxiv.org/abs/2507.13378v1
• Date: Tue, 15 Jul 2025 08:03:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-21 20:43:26.049847
• Title: A Comprehensive Survey for Real-World Industrial Defect Detection: Challenges, Approaches, and Prospects
• Title（参考訳）: 実業界における産業欠陥検出の包括的調査--課題・アプローチ・展望
• Authors: Yuqi Cheng, Yunkang Cao, Haiming Yao, Wei Luo, Cheng Jiang, Hui Zhang, Weiming Shen,
• Abstract要約: 工業的欠陥検出は、現代の製造システムにおける製品品質の維持に不可欠である。 コンピュータビジョンとディープラーニングの最近の進歩は、欠陥検出能力を2Dおよび3Dモダリティで強化している。 この調査では、クローズドセットとオープンセットの両方の欠陥検出戦略を詳細に分析する。
• 参考スコア（独自算出の注目度）: 5.780243632977874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial defect detection is vital for upholding product quality across contemporary manufacturing systems. As the expectations for precision, automation, and scalability intensify, conventional inspection approaches are increasingly found wanting in addressing real-world demands. Notable progress in computer vision and deep learning has substantially bolstered defect detection capabilities across both 2D and 3D modalities. A significant development has been the pivot from closed-set to open-set defect detection frameworks, which diminishes the necessity for extensive defect annotations and facilitates the recognition of novel anomalies. Despite such strides, a cohesive and contemporary understanding of industrial defect detection remains elusive. Consequently, this survey delivers an in-depth analysis of both closed-set and open-set defect detection strategies within 2D and 3D modalities, charting their evolution in recent years and underscoring the rising prominence of open-set techniques. We distill critical challenges inherent in practical detection environments and illuminate emerging trends, thereby providing a current and comprehensive vista of this swiftly progressing field.
• Abstract（参考訳）: 工業欠陥検出は、現代の製造システムにおける製品品質の維持に不可欠である。 精度、自動化、スケーラビリティに対する期待が強まるにつれ、従来の検査アプローチは現実の要求に対処したいと考えるものが増えてきている。 コンピュータビジョンとディープラーニングの顕著な進歩は、2Dと3Dの両モードの欠陥検出機能を大幅に強化した。 重要な開発は、クローズドセットからオープンセットの欠陥検出フレームワークへの転換であり、広範な欠陥アノテーションの必要性を減らし、新しい異常の認識を容易にする。 このような進歩にもかかわらず、工業的欠陥検出に関する凝集的で現代的な理解はいまだ解明されていない。 その結果,2次元および3次元モードにおける閉集合と開集合の両方の欠陥検出戦略を詳細に分析し,近年の進化を図解し,開集合技術の普及を実証した。 本研究は, 実測環境に固有の重要な課題を抽出し, 現況を照らし, 急速に進行する分野の現況と包括的展望を提供する。

関連論文リスト

• Unmasking Synthetic Realities in Generative AI: A Comprehensive Review of Adversarially Robust Deepfake Detection Systems [4.359154048799454]
  ディープフェイク拡散合成メディアは、デジタルセキュリティ、誤情報緩和、アイデンティティ保護に挑戦する。 本研究の体系的レビューでは, 再現性のある実装の透明性と検証を重視した, 最先端のディープフェイク検出手法の評価を行う。 1) 統計的異常や階層的特徴抽出を利用した完全合成メディアの検出,(2) 視覚的アーティファクトや時間的不整合といったマルチモーダルな手がかりを用いた実コンテンツ中の操作された領域の局在化。
  論文  参考訳（メタデータ） (2025-07-24T22:05:52Z)
• NeRF-Based defect detection [6.72800891299482]
  本稿では,Neural Radiance Fields(NeRF)に基づく自動欠陥検出フレームワークとディジタルツインの概念を紹介する。 このシステムは、UAVを使って画像を取得し、機械の3Dモデルを再構成し、標準的な基準モデルと現在のモデルの両方を生成して比較する。
  論文  参考訳（メタデータ） (2025-03-31T22:27:51Z)
• Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
  異常検出は産業アプリケーションの品質管理において重要な役割を担っている。 既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。 提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
  論文  参考訳（メタデータ） (2025-03-19T05:25:52Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• RADAR: Robust Two-stage Modality-incomplete Industrial Anomaly Detection [61.71770293720491]
  本稿では,2段階のロバスト・モードアリティ不完全融合とFlaAmewoRkの検出について提案する。 我々のブートストラッピング哲学は、MIIADの2段階を強化し、マルチモーダルトランスの堅牢性を向上させることである。 実験の結果,提案手法は従来のMIAD法よりも有効性とロバスト性に優れていた。
  論文  参考訳（メタデータ） (2024-10-02T16:47:55Z)
• Generalized Out-of-Distribution Detection and Beyond in Vision Language Model Era: A Survey [107.08019135783444]
  アウト・オブ・ディストリビューション(OOD)サンプルは、機械学習システムの安全性を保証するために不可欠である。 その他の問題としては、異常検出(AD)、新規検出(ND)、オープンセット認識(OSR)、異常検出(OD)などがある。
  論文  参考訳（メタデータ） (2024-07-31T17:59:58Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Robustness-Aware 3D Object Detection in Autonomous Driving: A Review and Outlook [19.539295469044813]
  本研究は,現実シナリオ下での知覚システム評価において,精度と遅延とともに頑健性の重要性を強調した。 我々の研究は、カメラのみ、LiDARのみ、マルチモーダルな3Dオブジェクト検出アルゴリズムを広範囲に調査し、精度、レイテンシ、堅牢性の間のトレードオフを徹底的に評価する。 これらのうち、多モード3D検出手法は優れた堅牢性を示し、新しい分類法を導入し、文献を改良して明瞭性を高める。
  論文  参考訳（メタデータ） (2024-01-12T12:35:45Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• A Survey on Unsupervised Anomaly Detection Algorithms for Industrial Images [2.4976719861186845]
  産業4.0の発展に伴い、表面欠陥検出・異常検出が産業分野の話題となっている。 教師なし学習は、上記の視覚的産業異常検出の欠点に対処する大きな可能性を持っている。
  論文  参考訳（メタデータ） (2022-04-24T01:38:18Z)
• Trustworthy Anomaly Detection: A Survey [22.976960488191505]
  異常検出には、銀行詐欺検出やサイバー侵入検出など、幅広い現実世界の応用がある。 成功にもかかわらず、異常検出モデルは依然として多くの制限に直面している。
  論文  参考訳（メタデータ） (2022-02-15T23:25:37Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Deep Learning for Anomaly Detection: A Review [150.9270911031327]
  本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。 我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
  論文  参考訳（メタデータ） (2020-07-06T02:21:16Z)

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。