論文の概要: A Storage-Efficient Feature for 3D Concrete Defect Segmentation to Replace Normal Vector

• arxiv url: http://arxiv.org/abs/2511.19760v1
• Date: Mon, 24 Nov 2025 22:36:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.19544
• Title: A Storage-Efficient Feature for 3D Concrete Defect Segmentation to Replace Normal Vector
• Title（参考訳）: 通常のベクトルを置き換える3次元コンクリート欠陥セグメントの保存効率
• Authors: Linxin Hua, Jianghua Deng, Ye Lu,
• Abstract要約: 本研究では,ある点の正規ベクトルとその親点雲の平均正規ベクトルとの間の角度として計算される新しい特徴,相対角を提案する。 PointNet++でトレーニングとテストを行うことで、相対角に基づくモデルは通常のベクトルに基づくモデルと同様のパフォーマンスを得た。
• 参考スコア（独自算出の注目度）: 1.3479291913833382
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud reconstruction of damage offers an effective solution to image-based methods vulnerable to background noise, yet its application is constrained by the high volume of 3D data. This study proposes a new feature, relative angle, computed as the angle between the normal vector of a point and the average normal vector of its parent point cloud. This single-dimensional feature provides directionality information equivalent to normal vectors for concrete surface defect characteristics. Through entropy-based feature evaluation, this study demonstrates the ability of relative angle to filter out redundant information in undamaged sections while retaining effective information in damaged sections. By training and testing with PointNet++, models based on the relative angles achieved similar performance to that of models based on normal vectors while delivering 27.6% storage reduction and 83% input channel compression. This novel feature has the potential to enable larger-batch execution on resource-constrained hardware without the necessity of architectural modifications to models.
• Abstract（参考訳）: 損傷のポイントクラウド再構成は、背景雑音に弱い画像ベースの手法に有効な解決策を提供するが、その応用は3Dデータ量に制約される。 本研究では,ある点の正規ベクトルとその親点雲の平均正規ベクトルとの間の角度として計算される新しい特徴,相対角を提案する。 この一次元特徴は、コンクリート表面欠陥特性のための正規ベクトルに相当する方向情報を提供する。 本研究は, エントロピーに基づく特徴評価を通じて, 損傷部において有効情報を保持しつつ, 損傷部における冗長情報をフィルタリングする相対角の能力を示す。 PointNet++でトレーニングとテストを行うことで、相対角に基づくモデルは通常のベクトルに基づくモデルと同様のパフォーマンスを達成し、27.6%のストレージ削減と83%の入力チャネル圧縮を実現した。 この新機能は、モデルにアーキテクチャ変更を加えることなく、リソース制約のあるハードウェア上でより大規模なバッチ実行を可能にする可能性がある。

関連論文リスト

• A Lightweight 3D Anomaly Detection Method with Rotationally Invariant Features [60.76577388438418]
  3D異常検出(AD)は、ポイントクラウドデータから異常点や領域を特定することを目的として、コンピュータビジョンにおいて重要なタスクである。 既存の手法は、方向と位置の変化を伴う点雲を扱う場合、結果として得られる特徴が著しく異なるため、課題に遭遇する可能性がある。 本稿では、3次元ADのための新しい回転不変特徴量(RIF)フレームワークを提案し、各点を回転不変空間にマッピングして表現の整合性を維持する。
  論文  参考訳（メタデータ） (2025-11-17T08:16:05Z)
• Point Cloud Novelty Detection Based on Latent Representations of a General Feature Extractor [9.11903730548763]
  本稿では, 汎用クラウド特徴抽出器と一級分類器を併用した, 効率的な非教師なし3次元点雲ノベルティ検出手法を提案する。 従来の3次元座標空間の再構成誤差測定手法と比較して,形状情報を凝縮した潜在表現を利用する。 一般特徴抽出器は未知のカテゴリの形状特徴を抽出し,オートエンコーダの再学習の必要性を排除し,計算負担を軽減できることを確認した。
  論文  参考訳（メタデータ） (2024-10-13T14:42:43Z)
• DM3D: Distortion-Minimized Weight Pruning for Lossless 3D Object Detection [42.07920565812081]
  本稿では,3次元物体検出のための新しいトレーニング後の重み付け手法を提案する。 事前訓練されたモデルにおける冗長パラメータを決定し、局所性と信頼性の両方において最小限の歪みをもたらす。 本フレームワークは,ネットワーク出力の歪みを最小限に抑え,検出精度を最大に維持することを目的とする。
  論文  参考訳（メタデータ） (2024-07-02T09:33:32Z)
• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• RBP-Pose: Residual Bounding Box Projection for Category-Level Pose Estimation [103.74918834553247]
  カテゴリーレベルのオブジェクトポーズ推定は、既知のカテゴリの集合からの任意のオブジェクトの3次元メートル法サイズだけでなく、6次元のポーズを予測することを目的としている。 近年の手法では, 観測された点雲を標準空間にマッピングし, 梅山アルゴリズムを用いてポーズとサイズを復元する手法が提案されている。 本稿では,オブジェクトのポーズと残差ベクトルを共同で予測する,幾何学誘導型残差オブジェクト境界ボックス投影ネットワーク RBP-Pose を提案する。
  論文  参考訳（メタデータ） (2022-07-30T14:45:20Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Optimal Pose and Shape Estimation for Category-level 3D Object Perception [24.232254155643574]
  カテゴリーレベルの知覚問題で、与えられたカテゴリのオブジェクトを撮影する3Dセンサーデータが与えられる。 ポーズと形状推定のための第1の最適CADソルバを提供する。 また, カテゴリレベルの知覚において, アウトレーヤを起点とするグラフ理論の定式化も行った。
  論文  参考訳（メタデータ） (2021-04-16T21:41:29Z)
• FS-Net: Fast Shape-based Network for Category-Level 6D Object Pose Estimation with Decoupled Rotation Mechanism [49.89268018642999]
  6次元ポーズ推定のための効率的なカテゴリレベルの特徴抽出が可能な高速形状ベースネットワーク(FS-Net)を提案する。 提案手法は,カテゴリレベルおよびインスタンスレベルの6Dオブジェクトのポーズ推定における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-12T03:07:24Z)

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。