論文の概要: CAD 100K: A Comprehensive Multi-Task Dataset for Car Related Visual Anomaly Detection

• arxiv url: http://arxiv.org/abs/2604.09023v1
• Date: Fri, 10 Apr 2026 06:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.724625
• Title: CAD 100K: A Comprehensive Multi-Task Dataset for Car Related Visual Anomaly Detection
• Title（参考訳）: CAD 100K:自動車関連視覚異常検出のための総合マルチタスクデータセット
• Authors: Jiahua Pang, Ying Li, Dongpu Cao, Jingcai Luo, Yanuo Zheng, Bao Yunfan, Yujie Lei, Rui Yuan, Yuxi Tian, Guojin Yuan, Hongchang Chen, Zhi Zheng, Yongchun Liu,
• Abstract要約: CADデータセットには、7つの車両ドメインと3つのタスクを横断する100以上のイメージが含まれている。 マルチタスク学習に特化した最初の自動車関連異常データセットである。 その結果、MTLはタスクの相互作用と知識伝達を促進すると同時に、タスク間の困難な衝突を露呈することがわかった。
• 参考スコア（独自算出の注目度）: 15.433862728520339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-task visual anomaly detection is critical for car-related manufacturing quality assessment. However, existing methods remain task-specific, hindered by the absence of a unified benchmark for multi-task evaluation. To fill in this gap, We present the CAD Dataset, a large-scale and comprehensive benchmark designed for car-related multi-task visual anomaly detection. The dataset contains over 100 images crossing 7 vehicle domains and 3 tasks, providing models a comprehensive view for car-related anomaly detection. It is the first car-related anomaly dataset specialized for multi-task learning(MTL), while combining synthesis data augmentation for few-shot anomaly images. We implement a multi-task baseline and conduct extensive empirical studies. Results show MTL promotes task interaction and knowledge transfer, while also exposing challenging conflicts between tasks. The CAD dataset serves as a standardized platform to drive future advances in car-related multi-task visual anomaly detection.
• Abstract（参考訳）: マルチタスク視覚異常検出は、自動車関連製造品質評価に重要である。 しかし、既存の手法はタスク固有のままであり、マルチタスク評価のための統一ベンチマークが欠如している。 このギャップを埋めるために、カー関連のマルチタスク視覚異常検出のために設計された大規模かつ包括的なベンチマークCADデータセットを提案する。 このデータセットには、7つの車両ドメインと3つのタスクを横断する100以上の画像が含まれており、モデルに自動車関連の異常検出の包括的なビューを提供する。 マルチタスク学習(MTL)に特化した最初の自動車関連異常データセットであり、数ショットの異常画像に対する合成データ拡張を組み合わせたものである。 マルチタスクベースラインを実装し、広範な経験的研究を行う。 その結果、MTLはタスクの相互作用と知識伝達を促進すると同時に、タスク間の困難な衝突を露呈することがわかった。 CADデータセットは、カー関連マルチタスク視覚異常検出の今後の進歩を促進するための標準化されたプラットフォームとして機能する。

関連論文リスト

• Tracking and Segmenting Anything in Any Modality [75.32774085793498]
  そこで我々はSATAという汎用的なトラッキング・セグメンテーション・フレームワークを提案し、このフレームワークは任意のモダリティ入力でトラッキング・セグメンテーション・サブタスクの広帯域を統一する。 SATAは18の挑戦的なトラッキングとセグメンテーションベンチマークで優れたパフォーマンスを示し、より一般化可能なビデオ理解のための新しい視点を提供する。
  論文  参考訳（メタデータ） (2025-11-22T09:09:22Z)
• A Multitask Deep Learning Model for Classification and Regression of Hyperspectral Images: Application to the large-scale dataset [44.94304541427113]
  ハイパースペクトル画像上で複数の分類タスクと回帰タスクを同時に行うマルチタスク深層学習モデルを提案する。 我々は、TAIGAと呼ばれる大規模なハイパースペクトルデータセットに対するアプローチを検証した。 結果の総合的定性的および定量的分析により,提案手法が他の最先端手法よりも有意に優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-23T11:14:54Z)
• Distribution Matching for Multi-Task Learning of Classification Tasks: a Large-Scale Study on Faces & Beyond [62.406687088097605]
  マルチタスク学習(MTL)は、複数の関連するタスクを共同で学習し、共有表現空間から恩恵を受けるフレームワークである。 MTLは、ほとんど重複しない、あるいは重複しないアノテーションで分類タスクで成功することを示す。 本稿では,分散マッチングによるタスク間の知識交換を可能にする新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-02T14:18:11Z)
• UniFormaly: Towards Task-Agnostic Unified Framework for Visual Anomaly Detection [6.260747047974035]
  We present UniFormaly, a universal and powerful anomaly detection framework。 我々は,オンラインエンコーダ方式の準最適問題を指摘することによって,オフ・ザ・シェルフアプローチの必要性を強調した。 UniFormalyは様々なタスクやデータセットで優れた結果を得る。
  論文  参考訳（メタデータ） (2023-07-24T06:04:12Z)
• Visual Exemplar Driven Task-Prompting for Unified Perception in Autonomous Driving [100.3848723827869]
  本稿では,タスク固有のプロンプトを通じて視覚的見本を提示する,効果的なマルチタスクフレームワークVE-Promptを提案する。 具体的には、境界ボックスと色に基づくマーカーに基づいて視覚的な例を生成し、ターゲットカテゴリの正確な視覚的外観を提供する。 我々は変圧器をベースとしたエンコーダと畳み込み層を橋渡しし、自律運転における効率的かつ正確な統合認識を実現する。
  論文  参考訳（メタデータ） (2023-03-03T08:54:06Z)
• Continual Object Detection via Prototypical Task Correlation Guided Gating Mechanism [120.1998866178014]
  pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。 具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。 COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
  論文  参考訳（メタデータ） (2022-05-06T07:31:28Z)
• Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
  ビデオにおける異常検出は、コンピュータビジョンの問題である。 本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
  論文  参考訳（メタデータ） (2020-11-15T10:21:28Z)

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。