論文の概要: Synthetic Defect Geometries of Cast Metal Objects Modeled via 2d Voronoi Tessellations

• arxiv url: http://arxiv.org/abs/2602.05440v1
• Date: Thu, 05 Feb 2026 08:28:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.844762
• Title: Synthetic Defect Geometries of Cast Metal Objects Modeled via 2d Voronoi Tessellations
• Title（参考訳）: 2次元ボロノイ焼成法による鋳造金属材料の合成欠陥ジオメトリ
• Authors: Natascha Jeziorski, Petra Gospodnetić, Claudia Redenbach,
• Abstract要約: 非破壊検査(NDT)法は, 検査中に対象物の機能に影響を及ぼさないため, 品質管理には欠陥検出が不可欠である。 十分な量及び品質のトレーニングデータを提供することにより、合成データを使用することが可能であり、ルールベースのアプローチにより、制御可能な環境で合成データを生成することができる。
• 参考スコア（独自算出の注目度）: 0.10195618602298682
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In industry, defect detection is crucial for quality control. Non-destructive testing (NDT) methods are preferred as they do not influence the functionality of the object while inspecting. Automated data evaluation for automated defect detection is a growing field of research. In particular, machine learning approaches show promising results. To provide training data in sufficient amount and quality, synthetic data can be used. Rule-based approaches enable synthetic data generation in a controllable environment. Therefore, a digital twin of the inspected object including synthetic defects is needed. We present parametric methods to model 3d mesh objects of various defect types that can then be added to the object geometry to obtain synthetic defective objects. The models are motivated by common defects in metal casting but can be transferred to other machining procedures that produce similar defect shapes. Synthetic data resembling the real inspection data can then be created by using a physically based Monte Carlo simulation of the respective testing method. Using our defect models, a variable and arbitrarily large synthetic data set can be generated with the possibility to include rarely occurring defects in sufficient quantity. Pixel-perfect annotation can be created in parallel. As an example, we will use visual surface inspection, but the procedure can be applied in combination with simulations for any other NDT method.
• Abstract（参考訳）: 業界では、欠陥検出は品質管理に不可欠である。 非破壊検査(NDT)法は、検査中に対象の機能に影響を与えないため好まれる。 自動欠陥検出のための自動データ評価は、研究の分野として成長している。 特に、機械学習アプローチは有望な結果を示している。 十分な量及び品質で、合成データを使用することができる訓練データを提供する。 ルールベースのアプローチは、制御可能な環境で合成データ生成を可能にする。 そのため、合成欠陥を含む検査対象物のデジタルツインが必要である。 本稿では, 様々な欠陥型の3dメッシュオブジェクトをパラメトリックにモデル化し, オブジェクト形状に付加して合成欠陥オブジェクトを得る方法を提案する。 これらのモデルは、金属鋳造における共通の欠陥によって動機づけられるが、同様の欠陥形を生成する他の加工手順に移行することができる。 実際の検査データに類似した合成データは、各試験法の物理ベースモンテカルロシミュレーションを用いて作成することができる。 我々の欠陥モデルを用いて、可変かつ任意に大きい合成データセットを生成することができ、稀に発生する欠陥を十分な量に含めることが可能である。 Pixel-perfectアノテーションは並列に作成できる。 一例として、視覚面検査を用いるが、他のNDT法のシミュレーションと組み合わせて適用することができる。

関連論文リスト

• MaskTerial: A Foundation Model for Automated 2D Material Flake Detection [48.73213960205105]
  MaskTerialと呼ばれる深層学習モデルを提案する。このモデルでは、インスタンスセグメンテーションネットワークを用いて、2D素材のフレークを確実に識別する。 このモデルは、ラベルのないデータからリアルな顕微鏡画像を生成する合成データ生成装置を用いて、広範囲に事前訓練されている。 六方晶窒化ホウ素などの低コントラスト材料の検出において,既存の技術よりも顕著な改善が認められた。
  論文  参考訳（メタデータ） (2024-12-12T15:01:39Z)
• SYNOSIS: Image synthesis pipeline for machine vision in metal surface inspection [1.1802456989915404]
  本研究では,表面検査のための画像合成手法を詳細に記述した完全なパイプラインを提案する。 パイプラインは、加工およびサンドブラスト加工されたアルミニウム表面に対して詳細に評価されている。
  論文  参考訳（メタデータ） (2024-10-18T19:46:12Z)
• Visual Deformation Detection Using Soft Material Simulation for Pre-training of Condition Assessment Models [3.0477617036157136]
  オープンソースのシミュレーションツールであるBlenderを使用して、機械学習(ML)モデルのための合成データセットを作成することを提案する。 このプロセスでは、専門家情報を形状キーパラメータに翻訳して変形をシミュレートし、変形したオブジェクトと非変形したオブジェクトの両方のイメージを生成する。
  論文  参考訳（メタデータ） (2024-04-02T01:58:53Z)
• A New Benchmark: On the Utility of Synthetic Data with Blender for Bare Supervised Learning and Downstream Domain Adaptation [42.2398858786125]
  コンピュータビジョンにおけるディープラーニングは、大規模ラベル付きトレーニングデータの価格で大きな成功を収めた。 制御不能なデータ収集プロセスは、望ましくない重複が存在する可能性のある非IIDトレーニングおよびテストデータを生成する。 これを回避するために、ドメインランダム化による3Dレンダリングによる合成データを生成する方法がある。
  論文  参考訳（メタデータ） (2023-03-16T09:03:52Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
  暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。 自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。 我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2022-05-06T16:27:14Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Simulated Adversarial Testing of Face Recognition Models [53.10078734154151]
  本稿では,シミュレータを用いて機械学習アルゴリズムの検証方法を学ぶためのフレームワークを提案する。 実データでトレーニングされたモデルの弱点が、シミュレーションサンプルを使って発見できることを示すのはこれが初めてである。
  論文  参考訳（メタデータ） (2021-06-08T17:58:10Z)
• Synthetic training data generation for deep learning based quality inspection [0.0]
  欠陥のある部分や正常な部分(欠陥のない部分)の画像を描画する汎用的なシミュレーションパイプラインを提案する。 深層学習ネットワークを訓練し、製造元からの実データでテストすることで、生成した画像の品質を評価する。
  論文  参考訳（メタデータ） (2021-04-07T08:07:57Z)

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。