論文の概要: Breaking the Rigid Prior: Towards Articulated 3D Anomaly Detection
- arxiv url: http://arxiv.org/abs/2604.26868v1
- Date: Wed, 29 Apr 2026 16:35:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.494095
- Title: Breaking the Rigid Prior: Towards Articulated 3D Anomaly Detection
- Title（参考訳）: Rigidを前倒しする:Articulated 3D Anomaly Detectionに向けて
- Authors: Jinye Gan, Bozhong Zheng, Xiaohao Xu, Junye Ren, Zixuan Zhang, Na Ni, Yingna Wu,
- Abstract要約: ArtiADは3D異常検出のための最初の大規模ベンチマークである。
SPA-SDF(Shape-Pose-Aware Signed Distance Field)を提案する。
SPA-SDFは、目に見える構成で0.884のオブジェクトレベルAUROC、目に見えない構成で0.874を達成し、全ての剛性ベースのベースラインを大幅に上回っている。
- 参考スコア（独自算出の注目度）: 22.176584838343604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing 3D anomaly detection methods are built on a rigid prior: normal geometry is pose-invariant and can be canonicalized through registration or alignment. This prior does not hold for articulated objects with hinge or sliding joints, where valid pose changes induce structured geometric variations that cannot be collapsed to a single canonical template, causing pose-induced deformations to be misidentified as anomalies while true structural defects are obscured. No existing benchmark addresses this challenge. We introduce ArtiAD, the first large-scale benchmark for articulated 3D anomaly detection, comprising 15,229 point clouds across 39 object categories with dense joint-angle variations and six structural anomaly types. Each sample is annotated with its joint configuration and part-level motion labels, enabling explicit disentanglement of pose-induced geometry from structural defects. ArtiAD also provides a seen/unseen articulation split to evaluate both interpolation and extrapolation to novel joint configurations. We propose Shape-Pose-Aware Signed Distance Field (SPA-SDF), a baseline that replaces the rigid prior with a continuous pose-conditioned implicit field, factorized into an articulation-independent structural prior and a Fourier-encoded joint embedding. At inference, the articulation state is recovered by minimizing reconstruction energy, and anomalies are identified as point-wise deviations from the learned manifold. SPA-SDF achieves 0.884 object-level AUROC on seen configurations and 0.874 on unseen configurations, substantially outperforming all rigid-based baselines. Our code and benchmark will be publicly released to facilitate future research.
- Abstract（参考訳）: 既存の3D異常検出手法は、通常の幾何学はポーズ不変であり、登録やアライメントによって正準化することができる。
この前者はヒンジやスライディングジョイントを持つ明瞭な物体には当てはまらないが、有効なポーズ変化は、単一の標準テンプレートに崩壊できない構造的幾何学的変動を誘導し、真の構造的欠陥が隠蔽されている間に、ポーズ誘起変形を異常として誤識別する原因となる。
この課題に対処する既存のベンチマークはない。
ArtiADは,39の対象カテゴリにわたる15,229点の雲と,密接な関節角変化と6つの構造異常型からなる3次元異常検出のための最初の大規模ベンチマークである。
それぞれのサンプルは関節構成と部分レベルのモーションラベルで注釈付けされ、構造欠陥からポーズ誘起幾何学を明示的に切り離すことができる。
ArtiADはまた、新しい関節構成に対する補間と補間の両方を評価するために、見知らぬ関節分割も提供する。
本研究では,SPA-SDF(Shape-Pose-Aware Signed Distance Field)を提案する。
推測では、再構成エネルギーを最小化して調音状態を回復し、異常を学習多様体からの点偏差として同定する。
SPA-SDFは、目に見える構成で0.884のオブジェクトレベルAUROC、目に見えない構成で0.874を達成し、全ての剛性ベースのベースラインを大幅に上回っている。
私たちのコードとベンチマークは、将来の研究を促進するために公開されます。
関連論文リスト
- Reinforcing 3D Understanding in Point-VLMs via Geometric Reward Credit Assignment [45.205992501478256]
本研究では、フィールド固有の信号に全体的監督を分散させるフレームワークを提案し、それらを責任あるトークンスパンにのみルーティングする。
提案手法は,3次元KPAを0.64から0.93に増加させ,結合上の3次元境界ボックス交点を0.686に増加させ,再計画整合点を0.852に引き上げることで信頼性ギャップを橋渡しする。
論文 参考訳（メタデータ） (2026-04-23T00:01:40Z) - Hierarchical Point-Patch Fusion with Adaptive Patch Codebook for 3D Shape Anomaly Detection [24.451730437527804]
3次元形状異常検出は産業検査と幾何解析にとって重要な課題である。
既存のディープラーニングアプローチは通常、正常な形状の表現を学び、異常を識別する。
本稿では,局所的特徴と局所的特徴を共同でモデル化した階層的点パッチ異常スコアリングネットワークを提案する。
論文 参考訳（メタデータ） (2026-04-05T05:37:27Z) - Measuring 3D Spatial Geometric Consistency in Dynamic Generated Videos [67.7364297817535]
ビデオにおける3D textbfSpatial textbfGeometric textbfConsistencyを評価するためのメトリクスであるSGCを紹介する。
SGCは幾何的不整合を頑健に定量化し、既存のメトリクスで欠落した臨界故障を効果的に特定する。
論文 参考訳（メタデータ） (2026-03-19T15:44:39Z) - Rectifying Geometry-Induced Similarity Distortions for Real-World Aerial-Ground Person Re-Identification [4.039576422478934]
航空地上人物再識別(AG-ReID)は、極端な視点と距離の相違により根本的な課題である。
既存の手法は幾何学的特徴学習や外観条件付きプロンプトに依存している。
Geometry-induced Query-Key Transformation (GIQT) は、カメラ幾何学におけるクエリキーの相互作用を条件に、類似性空間を補正する軽量な低ランクモジュールである。
論文 参考訳（メタデータ） (2026-01-29T08:41:42Z) - Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。
実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-01-01T12:48:56Z) - Rethinking Multimodal Point Cloud Completion: A Completion-by-Correction Perspective [8.276620253870338]
ポイント雲の完成は、部分的な観測から完全な3次元形状を再構築することを目的としている。
ほとんどのメソッドは、いまだにCompletion-by-Inpaintingパラダイムに従っている。
完全形状から始まるコンプリーション・バイ・コレクション(Completion-by-Correction)を提案する。
論文 参考訳（メタデータ） (2025-11-15T11:51:13Z) - Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。
自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。
構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
論文 参考訳（メタデータ） (2025-11-10T15:48:50Z) - SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection [49.12928389918159]
既存の単分子3D検出器は典型的には、切り離された予測パラダイムを通じて、3D境界ボックスの顕著な非線形回帰をテームする。
本稿では2つの主成分を持つ新しい空間射影アライメント(SPAN)を提案する。
SPANは、予測された3次元境界ボックスと接地した3次元境界ボックスの間に明らかに大域的な空間的制約を課し、それによって非結合な特性回帰による空間的ドリフトを補正する。
3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。
論文 参考訳（メタデータ） (2025-11-10T04:48:48Z) - Bridging 3D Anomaly Localization and Repair via High-Quality Continuous Geometric Representation [1.4763103835215192]
新しいフレームワークは、連続的なポーズ不変の形状表現を学習することで、3D異常の検出と修復を統合する。
Real3D-ADとAnomaly-ShapeNetの実験は最先端の性能を示している。
論文 参考訳（メタデータ） (2025-05-30T10:11:49Z) - Generating and Reweighting Dense Contrastive Patterns for Unsupervised
Anomaly Detection [59.34318192698142]
我々は、先行のない異常発生パラダイムを導入し、GRADと呼ばれる革新的な教師なし異常検出フレームワークを開発した。
PatchDiffは、様々な種類の異常パターンを効果的に公開する。
MVTec ADとMVTec LOCOデータセットの両方の実験も、前述の観測をサポートする。
論文 参考訳（メタデータ） (2023-12-26T07:08:06Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2020-06-15T09:15:54Z)
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。