論文の概要: Towards Pixel-Wise Anomaly Location for High-Resolution PCBA \\ via Self-Supervised Image Reconstruction

• arxiv url: http://arxiv.org/abs/2512.17296v1
• Date: Fri, 19 Dec 2025 07:25:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.283192
• Title: Towards Pixel-Wise Anomaly Location for High-Resolution PCBA \\ via Self-Supervised Image Reconstruction
• Title（参考訳）: 自己監督画像再構成による高分解能PCBA \\の画素幅異常位置に向けて
• Authors: Wuyi Liu, Le Jin, Junxian Yang, Yuanchao Yu, Zishuo Peng, Jinfeng Xu, Xianzhi Li, Jun Zhou,
• Abstract要約: HiSIR-Netは、ピクセルワイドPCBAローカライゼーションのための高解像度自己教師型再構成フレームワークである。 われわれのデザインは、2つの軽量モジュールを組み合わせることで、実際の4K解像度ボードでこれを実現する。 高解像度PCBAデータセットのギャップを埋めるため、500枚の画像のSIPCBA-500という自己収集データセットをコントリビュートする。
• 参考スコア（独自算出の注目度）: 16.925545387541653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated defect inspection of assembled Printed Circuit Board Assemblies (PCBA) is quite challenging due to the insufficient labeled data, micro-defects with just a few pixels in visually-complex and high-resolution images. To address these challenges, we present HiSIR-Net, a High resolution, Self-supervised Reconstruction framework for pixel-wise PCBA localization. Our design combines two lightweight modules that make this practical on real 4K-resolution boards: (i) a Selective Input-Reconstruction Gate (SIR-Gate) that lets the model decide where to trust reconstruction versus the original input, thereby reducing irrelevant reconstruction artifacts and false alarms; and (ii) a Region-level Optimized Patch Selection (ROPS) scheme with positional cues to select overlapping patch reconstructions coherently across arbitrary resolutions. Organically integrating these mechanisms yields clean, high-resolution anomaly maps with low false positive (FP) rate. To bridge the gap in high-resolution PCBA datasets, we further contribute a self-collected dataset named SIPCBA-500 of 500 images. We conduct extensive experiments on our SIPCBA-500 as well as public benchmarks, demonstrating the superior localization performance of our method while running at practical speed. Full code and dataset will be made available upon acceptance.
• Abstract（参考訳）: 集積回路基板アセンブリ(PCBA)の自動欠陥検査は、ラベル付きデータが不十分で、視覚的に複雑で高解像度の画像にわずか数ピクセルの微小欠陥があるため、非常に困難である。 これらの課題に対処するために、画素ワイドPCBAローカライゼーションのための高解像度自己教師型再構成フレームワークHiSIR-Netを提案する。 私たちのデザインは、2つの軽量モジュールを組み合わせることで、実際の4K解像度ボードでこれを実現する。 一 モデルが元の入力に対して復元を信頼すべき場所を判断し、無関係な復元品及び誤警報を低減させる選択的入力再構築ゲート(SIR-Gate) (II) 任意の解像度で重なり合うパッチ再構成を選択するための位置的手がかりを持つ領域レベルの最適化パッチ選択(ROPS)方式。 これらの機構を有機的に統合すると、偽陽性(FP)率の低いクリーンで高解像度の異常マップが得られる。 高解像度PCBAデータセットのギャップを埋めるため、500枚の画像のSIPCBA-500という自己収集データセットにさらに貢献する。 我々はSIPCBA-500と公開ベンチマークで広範囲に実験を行い、実際の高速動作における手法のローカライズ性能を実証した。 受け入れ次第、完全なコードとデータセットが利用可能になる。

関連論文リスト

• No Pixel Left Behind: A Detail-Preserving Architecture for Robust High-Resolution AI-Generated Image Detection [15.139983859649922]
  High-Resolution Detail-Aggregation Network (HiDA-Net)は、ピクセルが残らないようにする新しいフレームワークである。 HiDA-Netは最先端を実現し、挑戦的なChameleonデータセットでは13%以上、HiRes-50Kでは10%以上の精度向上を実現しています。
  論文  参考訳（メタデータ） (2025-08-24T13:03:16Z)
• ESRPCB: an Edge guided Super-Resolution model and Ensemble learning for tiny Printed Circuit Board Defect detection [0.33748750222488655]
  本稿では,エッジ誘導型超解像とアンサンブル学習を組み合わせた新しいフレームワークESRPCBを提案する。 エッジ特徴を取り入れることで、超解像過程は重要な構造的詳細を保ち、小さな欠陥が強調画像で識別可能であることを保証している。
  論文  参考訳（メタデータ） (2025-06-16T13:34:35Z)
• PTSR: Patch Translator for Image Super-Resolution [16.243363392717434]
  画像超解像(PTSR)のためのパッチトランスレータを提案し,この問題に対処する。 提案するPTSRは、畳み込み動作のないトランスフォーマーベースGANネットワークである。 マルチヘッドアテンションを利用した改良パッチを再生するための新しいパッチトランスレータモジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-20T01:45:00Z)
• Low-Resolution Self-Attention for Semantic Segmentation [93.30597515880079]
  我々は,グローバルコンテキストを計算コストの大幅な削減で捉えるために,低解像度自己認識(LRSA)機構を導入する。 我々のアプローチは、入力画像の解像度に関わらず、固定された低解像度空間における自己注意を計算することである。 本稿では,エンコーダ・デコーダ構造を持つビジョントランスであるLRFormerを構築することで,LRSA手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-10-08T06:10:09Z)
• Super-Resolution of License Plate Images Using Attention Modules and Sub-Pixel Convolution Layers [3.8831062015253055]
  監視画像における構造的特徴およびテクスチャ的特徴の検出を強化するために,Single-Image Super-Resolution (SISR) アプローチを導入する。 提案手法は,サブピクセルの畳み込み層と,光学的文字認識(OCR)モデルを用いて特徴抽出を行うロス関数を含む。 以上の結果から, これらの低解像度合成画像の再構成手法は, 定量化と定性化の両面で, 既存の画像よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-05-27T00:17:19Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• Learning Resolution-Adaptive Representations for Cross-Resolution Person Re-Identification [49.57112924976762]
  低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。 実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。 本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
  論文  参考訳（メタデータ） (2022-07-09T03:49:51Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Deep Generative Adversarial Residual Convolutional Networks for Real-World Super-Resolution [31.934084942626257]
  我々は,超解像残差畳み込み生成共役ネットワーク(SRResCGAN)を提案する。 これは、生成したLRドメインからHRドメインの画素単位の監督でモデルを逆トレーニングすることで、現実世界の劣化設定に従う。 提案するネットワークは,画像の高精細化と凸最適化によるエネルギーベース目的関数の最小化により,残差学習を利用する。
  論文  参考訳（メタデータ） (2020-05-03T00:12:38Z)

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。