論文の概要: Multi Modal Attention Networks with Uncertainty Quantification for Automated Concrete Bridge Deck Delamination Detection

• arxiv url: http://arxiv.org/abs/2512.20113v2
• Date: Mon, 29 Dec 2025 11:17:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 15:03:30.766797
• Title: Multi Modal Attention Networks with Uncertainty Quantification for Automated Concrete Bridge Deck Delamination Detection
• Title（参考訳）: 自動コンクリート橋ひび割れ検出のための不確かさを定量化したマルチモーダルアテンションネットワーク
• Authors: Alireza Moayedikia, Sattar Dorafshan,
• Abstract要約: 本稿では,レーダ時空間パターンと熱空間シグネチャを併用したマルチモーダルアテンションネットワークを提案する。 本アーキテクチャでは,レーダ処理の時間的注意,熱的特徴の空間的注意,学習可能な埋め込みによるクロスモーダル融合を導入し,個々のセンサに見えない相補的欠陥パターンを発見する。
• 参考スコア（独自算出の注目度）: 5.586191108738563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deteriorating civil infrastructure requires automated inspection techniques overcoming limitations of visual assessment. While Ground Penetrating Radar and Infrared Thermography enable subsurface defect detection, single modal approaches face complementary constraints radar struggles with moisture and shallow defects, while thermography exhibits weather dependency and limited depth. This paper presents a multi modal attention network fusing radar temporal patterns with thermal spatial signatures for bridge deck delamination detection. Our architecture introduces temporal attention for radar processing, spatial attention for thermal features, and cross modal fusion with learnable embeddings discovering complementary defect patterns invisible to individual sensors. We incorporate uncertainty quantification through Monte Carlo dropout and learned variance estimation, decomposing uncertainty into epistemic and aleatoric components for safety critical decisions. Experiments on five bridge datasets reveal that on balanced to moderately imbalanced data, our approach substantially outperforms baselines in accuracy and AUC representing meaningful improvements over single modal and concatenation based fusion. Ablation studies demonstrate cross modal attention provides critical gains beyond within modality attention, while multi head mechanisms achieve improved calibration. Uncertainty quantification reduces calibration error, enabling selective prediction by rejecting uncertain cases. However, under extreme class imbalance, attention mechanisms show vulnerability to majority class collapse. These findings provide actionable guidance: attention based architecture performs well across typical scenarios, while extreme imbalance requires specialized techniques. Our system maintains deployment efficiency, enabling real time inspection with characterized capabilities and limitations.
• Abstract（参考訳）: 公共インフラの劣化には、視覚的評価の限界を克服する自動検査技術が必要である。 地中レーダと赤外線サーモグラフィーは地表面欠陥の検出を可能にするが、単一モードのアプローチは湿気と浅部欠陥に苦しむレーダーと相補的な制約に直面し、サーモグラフィーは気象依存性と深度に制限がある。 本稿では,レーダ時空間パターンと熱空間シグネチャを併用したマルチモーダルアテンションネットワークを提案する。 本アーキテクチャでは,レーダ処理の時間的注意,熱的特徴の空間的注意,学習可能な埋め込みによるクロスモーダル融合を導入し,個々のセンサに見えない相補的欠陥パターンを発見する。 我々はモンテカルロの落下による不確かさの定量化と分散推定を学習し、不確かさをエピステミックおよびアレタリック成分に分解して安全性決定を行う。 5つのブリッジデータセットの実験では、バランスの取れていないデータに対して、我々のアプローチは精度でベースラインを大幅に上回り、AUCは単一モーダルおよび連結に基づく融合よりも有意義な改善を示す。 アブレーション研究は、クロスモーダルアテンションはモダリティアテンションの範囲を超えて重要な利益をもたらすことを示したが、マルチヘッド機構はキャリブレーションの改善を実現している。 不確かさの定量化は校正誤差を低減し、不確実なケースを拒絶することで選択的な予測を可能にする。 しかし、極端なクラス不均衡の下では、アテンションメカニズムは多数派崩壊の脆弱性を示す。 注意に基づくアーキテクチャは典型的なシナリオでよく機能しますが、極端な不均衡には特別なテクニックが必要です。 本システムはデプロイメント効率を向上し,特徴のある機能や制限によるリアルタイム検査を可能にする。

関連論文リスト

• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Causality-informed Anomaly Detection in Partially Observable Sensor Networks: Moving beyond Correlations [4.137681034935277]
  異常検出における部分観測可能なセンサ配置に対する因果性インフォームド深部Q-ネットワーク手法を提案する。 Q-networkトレーニングの各段階で因果情報を統合することにより、より高速な収束とより厳密な理論誤差境界を実現する。
  論文  参考訳（メタデータ） (2025-07-13T18:48:34Z)
• An Optimal Cascade Feature-Level Spatiotemporal Fusion Strategy for Anomaly Detection in CAN Bus [2.8151714475955263]
  インテリジェントトランスポートシステム(ITS)は、現代のインフラにおいて重要な役割を担っているが、車内コントローラエリアネットワーク(CAN)バスの放送特性により、セキュリティ上のリスクに直面している。 提案したフレームワークは、100%精度で全ての攻撃タイプを検出し、最先端の手法より優れている。
  論文  参考訳（メタデータ） (2025-01-31T00:36:08Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• A Low-cost Strategic Monitoring Approach for Scalable and Interpretable Error Detection in Deep Neural Networks [6.537257913467249]
  深層コンピュータビジョンネットワークのための高能率ランタイムモニタリング手法を提案する。 ハードウェアメモリと入力障害の両方から発生するサイレントデータの破損を効率よく検出することができる。
  論文  参考訳（メタデータ） (2023-10-31T10:45:55Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Robust and Precise Facial Landmark Detection by Self-Calibrated Pose Attention Network [73.56802915291917]
  より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。 より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。 自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
  論文  参考訳（メタデータ） (2021-12-23T02:51:08Z)
• CRAUM-Net: Contextual Recursive Attention with Uncertainty Modeling for Salient Object Detection [0.0]
  マルチスケールのコンテキストアグリゲーション、高度な注意機構、SOD性能向上のための不確実性認識モジュールを統合した新しいフレームワークを提案する。 我々の適応的クロススケールコンテキストモジュールは、再帰的チャネル空間的注意と畳み込みブロック注意を利用して、機能を複数のレベルから効果的に融合する。 ネットワークを堅牢にトレーニングするために,境界感応性とトポロジカル保存損失関数(Boundary IoU,Focal Tversky,Topological Saliency Los)を組み合わせて,ネットワークの信頼性を高める。
  論文  参考訳（メタデータ） (2020-06-04T18:33:59Z)

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。