Fugu-MT 論文翻訳(概要): Multi-View Reconstruction with Global Context for 3D Anomaly Detection

論文の概要: Multi-View Reconstruction with Global Context for 3D Anomaly Detection

arxiv url: http://arxiv.org/abs/2507.21555v1
Date: Tue, 29 Jul 2025 07:37:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-30 17:08:55.852394
Title: Multi-View Reconstruction with Global Context for 3D Anomaly Detection
Title（参考訳）: 3次元異常検出のためのグローバルコンテキストを用いたマルチビュー再構成
Authors: Yihan Sun, Yuqi Cheng, Yunkang Cao, Yuxin Zhang, Weiming Shen,
Abstract要約: MVR(Multi-View Reconstruction)は、高解像度の点雲を多視点画像に変換する方法である。 MVRの有効性を実証し、Real3D-ADベンチマークで89.6%のオブジェクト指向AU-ROCと95.7%のポイントワイズAU-ROCを達成した。
参考スコア（独自算出の注目度）: 4.7739242666228385
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: 3D anomaly detection is critical in industrial quality inspection. While existing methods achieve notable progress, their performance degrades in high-precision 3D anomaly detection due to insufficient global information. To address this, we propose Multi-View Reconstruction (MVR), a method that losslessly converts high-resolution point clouds into multi-view images and employs a reconstruction-based anomaly detection framework to enhance global information learning. Extensive experiments demonstrate the effectiveness of MVR, achieving 89.6\% object-wise AU-ROC and 95.7\% point-wise AU-ROC on the Real3D-AD benchmark.
Abstract（参考訳）: 3次元異常検出は産業品質検査において重要である。既存の手法は顕著な進歩を遂げているが,グローバル情報不足により高精度な3次元異常検出では性能が低下する。そこで本研究では,高解像度の点群を多視点画像に変換する手法であるMVR(Multi-View Reconstruction)を提案する。大規模な実験は、Real3D-ADベンチマークで89.6\%のオブジェクトワイドAU-ROCと95.7\%のポイントワイドAU-ROCを達成し、MVRの有効性を実証している。

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)
3CAD: A Large-Scale Real-World 3C Product Dataset for Unsupervised Anomaly [22.150521360544744]
3CADと呼ばれる大規模異常検出データセットを提案する。 3CADには8種類の製造部品があり、合計27,039個の高解像度画像にピクセルレベルの異常をラベル付けしている。これは、3C製品の品質管理に特化した、最大かつ最初の異常検出データセットである。
論文参考訳（メタデータ） (2025-02-09T03:37:54Z)
Co-Fix3D: Enhancing 3D Object Detection with Collaborative Refinement [37.24731059950228]
運転シナリオにおける3次元物体検出は、複雑な道路環境の課題に直面している。我々はCo-Fix3Dと呼ばれる高度な検出フレームワークを提案する。 Co-Fix3DはLocal and Global Enhancement (LGE)モジュールを統合し、Bird's Eye View (BEV)機能を洗練する。
論文参考訳（メタデータ） (2024-08-15T07:56:02Z)
R3D-AD: Reconstruction via Diffusion for 3D Anomaly Detection [12.207437451118036]
3次元異常検出は、精密製造における局所固有の欠陥のモニタリングにおいて重要な役割を担っている。埋め込みベースおよび再構築ベースのアプローチは、最も人気があり、成功した方法の一つである。本稿では, 高精度な3次元異常検出のための拡散モデルにより, 異常点雲を再構成するR3D-ADを提案する。
論文参考訳（メタデータ） (2024-07-15T16:10:58Z)
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)
Multi-View Fusion and Distillation for Subgrade Distresses Detection based on 3D-GPR [19.49863426864145]
本稿では,3D-GPRデータからの多視点情報を活用することで,下級災害検知タスクの新たな手法を提案する。マルチビューGPRデータセットを最適に活用するための新しいtextbfMulti-textbfView textbfVusion と textbfDistillation フレームワーク textbfGPR-MVFD を開発した。
論文参考訳（メタデータ） (2023-08-09T08:06:28Z)
ORA3D: Overlap Region Aware Multi-view 3D Object Detection [11.58746596768273]
現在の多視点3Dオブジェクト検出法は、しばしば重なり合う領域のオブジェクトを適切に検出できない。本稿では,(1)弱深度スーパービジョンのステレオ異方性推定と(2)適応オーバーラップ領域判別器の2つの主要なモジュールを提案する。提案手法は,現在の最先端モデル,すなわちDETR3DとBEVDetより優れている。
論文参考訳（メタデータ） (2022-07-02T15:28:44Z)
Towards Model Generalization for Monocular 3D Object Detection [57.25828870799331]
我々は,Mono3Dオブジェクト検出に有効な統合カメラ一般化パラダイム(CGP)を提案する。また,インスタンスレベルの拡張によりギャップを埋める2D-3D幾何一貫性オブジェクトスケーリング戦略(GCOS)を提案する。 DGMono3Dと呼ばれる手法は、評価された全てのデータセットに対して顕著な性能を達成し、SoTAの教師なしドメイン適応スキームを上回ります。
論文参考訳（メタデータ） (2022-05-23T23:05:07Z)

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。