論文の概要: IEC3D-AD: A 3D Dataset of Industrial Equipment Components for Unsupervised Point Cloud Anomaly Detection

• arxiv url: http://arxiv.org/abs/2511.03267v1
• Date: Wed, 05 Nov 2025 08:01:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.380422
• Title: IEC3D-AD: A 3D Dataset of Industrial Equipment Components for Unsupervised Point Cloud Anomaly Detection
• Title（参考訳）: IEC3D-AD:非監視点雲異常検出のための産業機器部品の3次元データセット
• Authors: Bingyang Guo, Hongjie Li, Ruiyun Yu, Hanzhe Liang, Jinbao Wang,
• Abstract要約: 3D異常検出(3D-AD)は製造業、特に中核機器部品の信頼性と安全性を確保する上で重要な役割を担っている。 Real3D-ADやMVTec 3D-ADといった既存の3Dデータセットは、幅広いアプリケーションサポートを提供するが、実際の産業環境で見られる複雑さと微妙な欠陥を捉えるには不足している。 実産業シナリオに特化した点雲異常検出データセット(IEC3D-AD)を開発した。 このデータセットは、実際の生産ラインから直接収集され、高い忠実性と関連性を保証する。
• 参考スコア（独自算出の注目度）: 16.60482902001866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D anomaly detection (3D-AD) plays a critical role in industrial manufacturing, particularly in ensuring the reliability and safety of core equipment components. Although existing 3D datasets like Real3D-AD and MVTec 3D-AD offer broad application support, they fall short in capturing the complexities and subtle defects found in real industrial environments. This limitation hampers precise anomaly detection research, especially for industrial equipment components (IEC) such as bearings, rings, and bolts. To address this challenge, we have developed a point cloud anomaly detection dataset (IEC3D-AD) specific to real industrial scenarios. This dataset is directly collected from actual production lines, ensuring high fidelity and relevance. Compared to existing datasets, IEC3D-AD features significantly improved point cloud resolution and defect annotation granularity, facilitating more demanding anomaly detection tasks. Furthermore, inspired by generative 2D-AD methods, we introduce a novel 3D-AD paradigm (GMANet) on IEC3D-AD. This paradigm generates synthetic point cloud samples based on geometric morphological analysis, then reduces the margin and increases the overlap between normal and abnormal point-level features through spatial discrepancy optimization. Extensive experiments demonstrate the effectiveness of our method on both IEC3D-AD and other datasets.
• Abstract（参考訳）: 3D異常検出(3D-AD)は製造業、特に中核機器部品の信頼性と安全性を確保する上で重要な役割を担っている。 Real3D-ADやMVTec 3D-ADといった既存の3Dデータセットは幅広いアプリケーションサポートを提供しているが、実際の産業環境で見られる複雑さや微妙な欠陥を捉えるには不足している。 この制限は、特にベアリング、リング、ボルトなどの産業機器部品(IEC)について、正確な異常検出研究を妨げている。 この課題に対処するため,実産業シナリオに特化した点雲異常検出データセット(IEC3D-AD)を開発した。 このデータセットは、実際の生産ラインから直接収集され、高い忠実性と関連性を保証する。 既存のデータセットと比較すると、IEC3D-ADはポイントクラウドの解像度と欠陥アノテーションの粒度を大幅に改善し、より要求の高い異常検出タスクを可能にしている。 さらに, IEC3D-ADに新たな3D-ADパラダイム(GMANet)を導入する。 このパラダイムは、幾何学的形態解析に基づいて合成点雲サンプルを生成し、そのマージンを減らし、空間的差分最適化により正常点と異常点の重なりを増大させる。 IEC3D-ADおよび他のデータセットに対して,本手法の有効性を示す実験を行った。

関連論文リスト

• 3D-ADAM: A Dataset for 3D Anomaly Detection in Additive Manufacturing [8.279480828330183]
  3D-ADAMは、添加物製造においてRGB+3D表面欠陥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。 3D-ADAMは、14,120個の高分解能スキャン、217個のユニークなパーツで構成され、4つの産業用深度センサーで撮影されている。 12のカテゴリにまたがる27,346のアノテート欠陥と16のクラスにおけるマシンエレメント機能の27,346のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2025-07-10T15:09:20Z)
• 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)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• 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)

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。