論文の概要: SGANet: Semantic and Geometric Alignment for Multimodal Multi-view Anomaly Detection

• arxiv url: http://arxiv.org/abs/2604.05632v1
• Date: Tue, 07 Apr 2026 09:35:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.74032
• Title: SGANet: Semantic and Geometric Alignment for Multimodal Multi-view Anomaly Detection
• Title（参考訳）: SGANet:マルチモーダル多視点異常検出のための意味的・幾何学的アライメント
• Authors: Letian Bai, Chengyu Tao, Juan Du,
• Abstract要約: 多視点異常検出は、複数の視点から捉えた観測により、複雑な物体の表面欠陥を特定することを目的としている。 既存の教師なしの手法は、視点の変化とモダリティの相違から生じる特徴的不整合に悩まされることが多い。 意味的および幾何学的アライメントを用いたマルチモーダル多視点異常検出のための統合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.272894689841013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-view anomaly detection aims to identify surface defects on complex objects using observations captured from multiple viewpoints. However, existing unsupervised methods often suffer from feature inconsistency arising from viewpoint variations and modality discrepancies. To address these challenges, we propose a Semantic and Geometric Alignment Network (SGANet), a unified framework for multimodal multi-view anomaly detection that effectively combines semantic and geometric alignment to learn physically coherent feature representations across viewpoints and modalities. SGANet consists of three key components. The Selective Cross-view Feature Refinement Module (SCFRM) selectively aggregates informative patch features from adjacent views to enhance cross-view feature interaction. The Semantic-Structural Patch Alignment (SSPA) enforces semantic alignment across modalities while maintaining structural consistency under viewpoint transformations. The Multi-View Geometric Alignment (MVGA) further aligns geometrically corresponding patches across viewpoints. By jointly modeling feature interaction, semantic and structural consistency, and global geometric correspondence, SGANet effectively enhances anomaly detection performance in multimodal multi-view settings. Extensive experiments on the SiM3D and Eyecandies datasets demonstrate that SGANet achieves state-of-the-art performance in both anomaly detection and localization, validating its effectiveness in realistic industrial scenarios.
• Abstract（参考訳）: 多視点異常検出は、複数の視点から捉えた観測により、複雑な物体の表面欠陥を特定することを目的としている。 しかし、既存の教師なし手法は、視点の違いやモダリティの相違から生じる特徴的不整合に悩まされることが多い。 これらの課題に対処するために,セマンティック・幾何学的アライメント・ネットワーク (SGANet) を提案する。これは,意味的・幾何学的アライメントを効果的に組み合わせ,視点とモダリティをまたいだ物理的に整合した特徴表現を学習する,マルチモーダルな多視点異常検出のための統合フレームワークである。 SGANetは3つのキーコンポーネントで構成されている。 SCFRM(Selective Cross-view Feature Refinement Module)は、隣接するビューから情報的パッチ機能を選択的に集約し、クロスビュー機能インタラクションを強化する。 セマンティック・構造的パッチアライメント(SSPA)は、視点変換の下で構造的一貫性を維持しつつ、モダリティ間のセマンティックアライメントを強制する。 MVGA(Multi-View Geometric Alignment)はさらに、幾何学的に対応するパッチを視点に並べる。 SGANetは,特徴の相互作用,意味的・構造的整合性,および大域的幾何対応を共同でモデル化することにより,マルチモーダルなマルチビュー設定における異常検出性能を効果的に向上する。 SiM3DデータセットとEyecandiesデータセットの大規模な実験により、SGANetは異常検出とローカライゼーションの両方において最先端のパフォーマンスを達成し、現実的な産業シナリオにおけるその有効性を検証する。

関連論文リスト

• Unify the Views: View-Consistent Prototype Learning for Few-Shot Segmentation [23.546777614096424]
  ショーショットセグメンテーション(FSS)は、限られた監督力を持つ新しいクラスに一般化する能力において大きな注目を集めている。 本稿では、クラス固有のプロトタイプを洗練するための構造的一貫性と識別をモデル化する統合フレームワークであるVINEを導入することにより、これらの課題に対処する。
  論文  参考訳（メタデータ） (2026-03-06T06:36:42Z)
• COMPOSE: Hypergraph Cover Optimization for Multi-view 3D Human Pose Estimation [58.47973015036709]
  スパース多視点からの3次元ポーズ推定は、行動認識、スポーツ分析、人間とロボットの相互作用にとって重要な課題である。 ハイパーグラフ問題として多視点ポーズ対応マッチングを定式化する新しいフレームワークComposEを提案する。 COMPOSEは,従来の最適化手法よりも平均23%,自己教師付きエンドツーエンド学習手法より最大11%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-01-14T18:50:17Z)
• MGCA-Net: Multi-Graph Contextual Attention Network for Two-View Correspondence Learning [18.21720738180151]
  2視点対応学習はコンピュータビジョンにおける重要な課題である。 マルチグラフコンテキスト注意ネットワーク(MGCA-Net)を提案する。 MGCA-Netは、既存のSOTA法よりも、アウタラリジェクションやカメラポーズ推定タスクにおいて優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-29T10:58:40Z)
• Unsupervised Multi-View Visual Anomaly Detection via Progressive Homography-Guided Alignment [14.782512101141016]
  多視点画像からの教師なし視覚異常検出は重要な課題である。 ViewSense-AD (VSAD) は、ビュー間の幾何学的一貫性を明示的にモデル化することで、視点不変表現を学習する。 拡散モデルから得られた多レベル特徴を、通常のプロトタイプの学習メモリバンクと比較することにより異常検出を行う。
  論文  参考訳（メタデータ） (2025-11-24T05:01:16Z)
• SegMASt3R: Geometry Grounded Segment Matching [23.257530861472656]
  我々は3次元基礎モデルの空間的理解を活用して,広義のセグメントマッチングに取り組む。 本稿では,これら3次元基礎モデルの帰納バイアスを利用して,最大180度の視点変化回転で画像対間のセグメントをマッチングするアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-06T17:31:32Z)
• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• SeMv-3D: Towards Concurrency of Semantic and Multi-view Consistency in General Text-to-3D Generation [122.47961178994456]
  SeMv-3Dは、GT23D生成におけるセマンティックアライメントとマルチビュー一貫性を協調的に強化する新しいフレームワークである。 本稿では,TPL(Triplane Prior Learning)について紹介する。 我々はまた、一貫した任意のビュー合成を可能にする、三葉飛行機(SAT)における事前ベースセマンティックアライニング(Semantic Aligning)を提案する。
  論文  参考訳（メタデータ） (2024-10-10T07:02:06Z)
• 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)
• Multi-Spectral Image Stitching via Spatial Graph Reasoning [52.27796682972484]
  空間グラフ推論に基づくマルチスペクトル画像縫合法を提案する。 同一のビュー位置から複数スケールの補完機能をノードに埋め込む。 空間的・チャネル的次元に沿った長距離コヒーレンスを導入することにより、画素関係の相補性とチャネル相互依存性は、整列したマルチビュー特徴の再構築に寄与する。
  論文  参考訳（メタデータ） (2023-07-31T15:04:52Z)

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。