論文の概要: A Segmentation-driven Editing Method for Bolt Defect Augmentation and Detection

• arxiv url: http://arxiv.org/abs/2508.10509v1
• Date: Thu, 14 Aug 2025 10:24:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.272091
• Title: A Segmentation-driven Editing Method for Bolt Defect Augmentation and Detection
• Title（参考訳）: ボルト欠陥増大検出のためのセグメンテーション駆動編集法
• Authors: Yangjie Xiao, Ke Zhang, Jiacun Wang, Xin Sheng, Yurong Guo, Meijuan Chen, Zehua Ren, Zhaoye Zheng, Zhenbing Zhao,
• Abstract要約: ボルト欠陥検出は送電線の安全性を確保するために重要である。 セグメント化駆動型ボルト欠陥編集法(SBDE)を提案する。 実験の結果,SBDEにより生成されたボルト欠陥画像は,最先端画像編集モデルよりも有意に優れていた。
• 参考スコア（独自算出の注目度）: 5.833357038367905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bolt defect detection is critical to ensure the safety of transmission lines. However, the scarcity of defect images and imbalanced data distributions significantly limit detection performance. To address this problem, we propose a segmentationdriven bolt defect editing method (SBDE) to augment the dataset. First, a bolt attribute segmentation model (Bolt-SAM) is proposed, which enhances the segmentation of complex bolt attributes through the CLAHE-FFT Adapter (CFA) and Multipart- Aware Mask Decoder (MAMD), generating high-quality masks for subsequent editing tasks. Second, a mask optimization module (MOD) is designed and integrated with the image inpainting model (LaMa) to construct the bolt defect attribute editing model (MOD-LaMa), which converts normal bolts into defective ones through attribute editing. Finally, an editing recovery augmentation (ERA) strategy is proposed to recover and put the edited defect bolts back into the original inspection scenes and expand the defect detection dataset. We constructed multiple bolt datasets and conducted extensive experiments. Experimental results demonstrate that the bolt defect images generated by SBDE significantly outperform state-of-the-art image editing models, and effectively improve the performance of bolt defect detection, which fully verifies the effectiveness and application potential of the proposed method. The code of the project is available at https://github.com/Jay-xyj/SBDE.
• Abstract（参考訳）: ボルト欠陥検出は送電線の安全性を確保するために重要である。 しかし、欠陥画像の不足と不均衡なデータ分布は検出性能を著しく制限する。 この問題に対処するために,セグメント化駆動型ボルト欠陥編集法(SBDE)を提案する。 まず, CLAHE-FFT Adapter (CFA) と Multipart-Aware Mask Decoder (MAMD) を用いて, 複雑なボルト属性のセグメンテーションを強化するボルト属性セグメンテーションモデル (Bolt-SAM) を提案する。 次に, マスク最適化モジュール (MOD) をイメージインペイントモデル (LaMa) と統合して, 通常のボルトを属性編集により欠陥のあるものに変換するボルト欠陥属性編集モデル (MOD-LaMa) を構築する。 最後に,編集された欠陥ボルトを元の検査シーンに戻して,欠陥検出データセットを拡張するために,編集回収増強(ERA)戦略を提案する。 複数のボルトデータセットを構築し,広範囲な実験を行った。 実験結果から,SBDEが生成したボルト欠陥画像は,最先端画像編集モデルよりも有意に優れ,ボルト欠陥検出性能が向上し,本手法の有効性と適用可能性を検証した。 プロジェクトのコードはhttps://github.com/Jay-xyj/SBDEで公開されている。

関連論文リスト

• Image Editing As Programs with Diffusion Models [69.05164729625052]
  本稿では,Diffusion Transformer (DiT) アーキテクチャ上に構築された統合画像編集フレームワークである IEAP (Image Editing As Programs) を紹介する。 IEAPは、複雑な編集命令を原子操作のシーケンスに分解して、リダミストレンズによる命令編集にアプローチする。 我々のフレームワークは、特に複雑なマルチステップ命令に対して、より優れた精度とセマンティック忠実度を提供する。
  論文  参考訳（メタデータ） (2025-06-04T16:57:24Z)
• Lost in Edits? A $λ$-Compass for AIGC Provenance [119.95562081325552]
  本稿では,実測出力と操作された出力を頑健に識別し,識別する新しい潜在空間属性法を提案する。 LambdaTracerは、InstructPix2Pixのようなテキスト誘導編集ツールによって自動化されるか、Adobe Photoshopのような編集ソフトウェアで手動で実行されるか、様々な反復編集プロセスで有効である。
  論文  参考訳（メタデータ） (2025-02-05T06:24:25Z)
• Mask Factory: Towards High-quality Synthetic Data Generation for Dichotomous Image Segmentation [70.95380821618711]
  Dichotomous Image (DIS) タスクは高度に正確なアノテーションを必要とする。 現在の生成モデルとテクニックは、シーンのずれ、ノイズによるエラー、限られたトレーニングサンプルの変動といった問題に苦慮している。 多様な正確なデータセットを生成するためのスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-12-26T06:37:25Z)
• Efficient Detection Framework Adaptation for Edge Computing: A Plug-and-play Neural Network Toolbox Enabling Edge Deployment [59.61554561979589]
  エッジコンピューティングは、時間に敏感なシナリオでディープラーニングベースのオブジェクト検出をデプロイするための重要なパラダイムとして登場した。 既存のエッジ検出手法では、軽量モデルによる検出精度のバランスの難しさ、適応性の制限、現実の検証の不十分といった課題に直面している。 本稿では,汎用的なプラグイン・アンド・プレイコンポーネントを用いてエッジ環境にオブジェクト検出モデルを適用するエッジ検出ツールボックス(ED-TOOLBOX)を提案する。
  論文  参考訳（メタデータ） (2024-12-24T07:28:10Z)
• Learning Where to Edit Vision Transformers [27.038720045544867]
  コンピュータビジョンにおける視覚変換器(ViT)の編集のための位置情報編集手法を提案する。 我々はまず、CutMix拡張データ上でハイパーネットワークをメタラーニングすることで、位置から編集までの課題に対処する。 提案手法を検証するため, サブポピュレーションシフトを導入した編集ベンチマークを構築した。
  論文  参考訳（メタデータ） (2024-11-04T10:17:40Z)
• Learning to Be a Transformer to Pinpoint Anomalies [12.442574943138794]
  最近の産業異常検出およびIADS(Industrial Anomaly Detection and (IADS))は、224x224ピクセルなどの低解像度画像を処理する。 本稿では,高精細な入力画像を非常に効率的に処理しながら,強い事前学習機能を活用する新しい教師-学生パラダイムを提案する。 提案手法では,高解像度画像から異常を検出でき,競合他社よりも高速に動作可能である。
  論文  参考訳（メタデータ） (2024-07-04T17:59:26Z)
• MoE-FFD: Mixture of Experts for Generalized and Parameter-Efficient Face Forgery Detection [54.545054873239295]
  ディープフェイクは、最近、国民の間で重大な信頼問題とセキュリティ上の懸念を提起した。 ViT法はトランスの表現性を生かし,優れた検出性能を実現する。 この研究は、汎用的でパラメータ効率のよいViTベースのアプローチであるFace Forgery Detection (MoE-FFD)のためのMixture-of-Expertsモジュールを導入する。
  論文  参考訳（メタデータ） (2024-04-12T13:02:08Z)
• Progressive Alignment with VLM-LLM Feature to Augment Defect Classification for the ASE Dataset [7.1083241462091165]
  従来の欠陥分類アプローチは2つの障壁に直面している。 不十分なトレーニングデータと不安定なデータ品質。 画像上に記録されたリッチなデータ記述を含む,欠陥分類のための特別なデータセットを提案するが,欠陥特徴を直接学習するのは困難である。
  論文  参考訳（メタデータ） (2024-04-08T04:17:27Z)

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。