論文の概要: CASL: Curvature-Augmented Self-supervised Learning for 3D Anomaly Detection

• arxiv url: http://arxiv.org/abs/2511.12909v1
• Date: Mon, 17 Nov 2025 02:58:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.625085
• Title: CASL: Curvature-Augmented Self-supervised Learning for 3D Anomaly Detection
• Title（参考訳）: CASL:3次元異常検出のための曲率強化型自己教師型学習
• Authors: Yaohua Zha, Xue Yuerong, Chunlin Fan, Yuansong Wang, Tao Dai, Ke Chen, Shu-Tao Xia,
• Abstract要約: 本稿では,再編成パラダイムに基づくCASL(Curvature-Augmented Self-supervised Learning)フレームワークを提案する。 提案手法では,各点の空間座標を予測するためにデコーダを誘導するマルチスケール曲率プロンプトを導入する。 単純な異常分類の微調整により、先導的な検出性能を実現する。
• 参考スコア（独自算出の注目度）: 49.74534277563012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning-based 3D anomaly detection methods have demonstrated significant potential in industrial manufacturing. However, many approaches are specifically designed for anomaly detection tasks, which limits their generalizability to other 3D understanding tasks. In contrast, self-supervised point cloud models aim for general-purpose representation learning, yet our investigation reveals that these classical models are suboptimal at anomaly detection under the unified fine-tuning paradigm. This motivates us to develop a more generalizable 3D model that can effectively detect anomalies without relying on task-specific designs. Interestingly, we find that using only the curvature of each point as its anomaly score already outperforms several classical self-supervised and dedicated anomaly detection models, highlighting the critical role of curvature in 3D anomaly detection. In this paper, we propose a Curvature-Augmented Self-supervised Learning (CASL) framework based on a reconstruction paradigm. Built upon the classical U-Net architecture, our approach introduces multi-scale curvature prompts to guide the decoder in predicting the spatial coordinates of each point. Without relying on any dedicated anomaly detection mechanisms, it achieves leading detection performance through straightforward anomaly classification fine-tuning. Moreover, the learned representations generalize well to standard 3D understanding tasks such as point cloud classification. The code is available at https://github.com/zyh16143998882/CASL.
• Abstract（参考訳）: 深層学習に基づく3次元異常検出法は工業生産において大きな可能性を示している。 しかし、多くのアプローチは異常検出タスクに特化して設計されており、他の3次元理解タスクへの一般化性が制限されている。 対照的に、自己教師付きポイントクラウドモデルは汎用的な表現学習を目標としているが、本研究では、これらの古典的モデルは、統一された微調整パラダイムの下での異常検出に最適であることを明らかにした。 これにより、タスク固有の設計に頼ることなく、異常を効果的に検出できる、より一般化可能な3Dモデルを開発することができる。 興味深いことに、各点の曲率のみを異常スコアとして用いると、従来の自己監督型および専用の異常検出モデルよりも優れており、3次元異常検出における曲率の重要性が強調されている。 本稿では,再編成パラダイムに基づく曲率強化型自己教師学習(CASL)フレームワークを提案する。 従来のU-Netアーキテクチャを基盤として,各点の空間座標の予測においてデコーダを誘導するマルチスケール曲率プロンプトを導入する。 専用の異常検出機構を頼らずに、単純な異常分類の微調整により、先進的な検出性能を実現する。 さらに、学習された表現は、ポイントクラウド分類のような標準的な3D理解タスクによく当てはまる。 コードはhttps://github.com/zyh16143998882/CASLで公開されている。

関連論文リスト

• Stereo-based 3D Anomaly Object Detection for Autonomous Driving: A New Dataset and Baseline [10.933880236559604]
  3D検出技術は自動運転の分野で広く利用されている。 道路上に現れる稀な異常カテゴリーでは、3D検出モデルはしばしば誤検出または異常検出に失敗する。 本稿では,ステレオによる3次元異常物体検出(S3AD)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-12T09:10:29Z)
• 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)
• Towards Zero-shot 3D Anomaly Localization [58.62650061201283]
  3DzALは3D異常検出とローカライゼーションのためのパッチレベルの新しいコントラスト学習フレームワークである。 3DzALは最先端の異常検出および局所化性能より優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-05T16:25:27Z)
• 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)
• Open-Vocabulary Video Anomaly Detection [57.552523669351636]
  監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。 近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。 本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
  論文  参考訳（メタデータ） (2023-11-13T02:54:17Z)
• Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators [0.0]
  異常検出は、固有のクラス不均衡のため、機械学習アルゴリズムにとって難しいタスクである。 生成モデルに着想を得て,ニューラルネットワークの隠れ活性化の解析を行い,DA3Dと呼ばれる新しい教師なし異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-01-12T18:07:34Z)

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。