論文の概要: Multimodal Industrial Anomaly Detection via Geometric Prior

• arxiv url: http://arxiv.org/abs/2603.22757v1
• Date: Tue, 24 Mar 2026 03:34:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.28182
• Title: Multimodal Industrial Anomaly Detection via Geometric Prior
• Title（参考訳）: 幾何学的先行によるマルチモーダル産業異常検出
• Authors: Min Li, Jinghui He, Gang Li, Jiachen Li, Jin Wan, Delong Han,
• Abstract要約: GPAD(Geometric Prior-based Anomaly Detection Network)を提案する。 我々のモデルは、MVTec-3D ADとEyecandiesデータセットの両方で検出精度を向上させるために、最先端(SOTA)法より優れている。
• 参考スコア（独自算出の注目度）: 15.518007234069358
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The purpose of multimodal industrial anomaly detection is to detect complex geometric shape defects such as subtle surface deformations and irregular contours that are difficult to detect in 2D-based methods. However, current multimodal industrial anomaly detection lacks the effective use of crucial geometric information like surface normal vectors and 3D shape topology, resulting in low detection accuracy. In this paper, we propose a novel Geometric Prior-based Anomaly Detection network (GPAD). Firstly, we propose a point cloud expert model to perform fine-grained geometric feature extraction, employing differential normal vector computation to enhance the geometric details of the extracted features and generate geometric prior. Secondly, we propose a two-stage fusion strategy to efficiently leverage the complementarity of multimodal data as well as the geometric prior inherent in 3D points. We further propose attention fusion and anomaly regions segmentation based on geometric prior, which enhance the model's ability to perceive geometric defects. Extensive experiments show that our multimodal industrial anomaly detection model outperforms the State-of-the-art (SOTA) methods in detection accuracy on both MVTec-3D AD and Eyecandies datasets.
• Abstract（参考訳）: 多モード産業異常検出の目的は、2次元法では検出が難しい微妙な表面変形や不規則な輪郭などの複雑な幾何学的形状欠陥を検出することである。 しかし、現在のマルチモーダル産業異常検出は、表面正規ベクトルや3次元形状トポロジーのような重要な幾何学的情報の有効利用を欠いているため、検出精度は低い。 本稿では,新しいGeometric Prior-based Anomaly Detection Network (GPAD)を提案する。 まず, 差分正規ベクトル計算を用いて, 抽出した特徴の幾何的詳細性を高め, 幾何先行性を生成する点雲エキスパートモデルを提案する。 次に,多モードデータの相補性を効果的に活用するための2段階融合戦略を提案する。 さらに、幾何学的先行性に基づく注意融合と異常領域のセグメンテーションを提案し、幾何学的欠陥を知覚するモデルの能力を高める。 MVTec-3D ADとEyecandiesの両方のデータセットにおける検出精度において、我々のマルチモーダル産業異常検出モデルは、最先端(SOTA)手法よりも優れていることを示す。

関連論文リスト

• A 3DGS-Diffusion Self-Supervised Framework for Normal Estimation from a Single Image [5.588610465556571]
  空間次元情報の欠如は、単一画像からの正規推定において依然として課題である。 近年の拡散法は2次元から3次元の暗黙マッピングにおいて有意なポテンシャルを示した。 本稿では,SINGADを提案する。SINGADは,単一画像から正規推定のための新しい自己教師型フレームワークである。
  論文  参考訳（メタデータ） (2025-08-08T02:32:33Z)
• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• MonoDGP: Monocular 3D Object Detection with Decoupled-Query and Geometry-Error Priors [24.753860375872215]
  本稿では,MonoDGPと呼ばれるトランスフォーマーを用いたモノクロ3Dオブジェクト検出手法を提案する。 射影公式を変更するために、パースペクティブ不変幾何誤差を採用する。 提案手法は, 余分なデータを必要としないKITTIベンチマークにおいて, 最先端の性能を示す。
  論文  参考訳（メタデータ） (2024-10-25T14:31:43Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• 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)
• SeMAnD: Self-Supervised Anomaly Detection in Multimodal Geospatial Datasets [0.0]
  SeMAnDは現実世界の欠陥を検出し、ドメインに依存しない異常検出戦略を4.8-19.7%上回る。 モデル性能は,入力モダリティの増大に伴い20.4%,トレーニングデータの増大に伴い22.9%に向上した。
  論文  参考訳（メタデータ） (2023-09-26T20:18:31Z)
• Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
  ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。 本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
  論文  参考訳（メタデータ） (2023-03-01T15:48:27Z)

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。