論文の概要: Training-Free Tunnel Defect Inspection and Engineering Interpretation via Visual Recalibration and Entity Reconstruction

• arxiv url: http://arxiv.org/abs/2604.27928v1
• Date: Thu, 30 Apr 2026 14:31:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.137358
• Title: Training-Free Tunnel Defect Inspection and Engineering Interpretation via Visual Recalibration and Entity Reconstruction
• Title（参考訳）: 視覚的校正とエンティティ再構築による無訓練トンネル欠陥検査と工学的解釈
• Authors: Shipeng Liu, Liang Zhao, Dengfeng Chen, Zhanping Song,
• Abstract要約: トンネル検査には、欠陥のローカライゼーション、測定、重度グレーディング、エンジニアリングドキュメントをサポートする出力が必要である。 本稿では,言語指導による欠陥提案をより信頼性の高いプロンプトに変換する,トレーニングフリーフレームワークであるTunnelMINDを提案する。 TunnelMIND は可視性、GPR および道路欠陥タスクでそれぞれ 0.68 、 0.78 、 0.72 の F1 スコアを達成している。
• 参考スコア（独自算出の注目度）: 5.978102935317669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tunnel inspection requires outputs that can support defect localization, measurement, severity grading, and engineering documentation. Existing training-free foundation-model pipelines usually stop at coarse open-vocabulary proposals, which are difficult to use directly in interference-heavy tunnel scenes. We propose a training-free framework TunnelMIND. Specifically, language-guided defect proposals are not treated as final outputs; instead, their spatial support is recalibrated at inference time through dense visual consistency, so that coarse semantic anchors can be transformed into more reliable prompts under tunnel-specific hard negatives. The resulting masks are further reconstructed into structured defect entities with category, location, geometry, severity, and context attributes, which are then mapped to retrieval-grounded explanation and engineering-readable report generation under expert knowledge constraints. On visible, GPR, and road defect tasks, TunnelMIND achieves F1 scores of 0.68, 0.78, and 0.72, respectively. Overall, TunnelMIND shows that training-free tunnel inspection can move beyond coarse localization toward structured defect evidence for engineering assessment.
• Abstract（参考訳）: トンネル検査には、欠陥のローカライゼーション、測定、重度グレーディング、エンジニアリングドキュメントをサポートする出力が必要である。 既存の訓練のない基礎モデルパイプラインは通常、干渉の多いトンネルシーンで直接使うのが難しい、粗いオープン語彙の提案で停止する。 トレーニング不要なフレームワークであるTunnelMINDを提案する。 具体的には、言語誘導欠陥提案は最終的な出力として扱われず、その代わりに、その空間的サポートは高密度な視覚的整合性を通して推論時に再調整されるため、トンネル固有の強陰性の下で、粗いセマンティックアンカーをより信頼性の高いプロンプトに変換することができる。 得られたマスクは、カテゴリ、位置、幾何学、重大さ、コンテキスト属性を含む構造化された欠陥エンティティに再構築され、その後、専門家の知識制約の下で検索地上説明とエンジニアリング可読なレポート生成にマッピングされる。 可視性、GPR、道路欠陥タスクでは、TunnelMINDはそれぞれ0.68、0.78、0.72のF1スコアを達成している。 総合的に、TunnelMINDは、トレーニング不要のトンネル検査が、エンジニアリングアセスメントのための構造化欠陥証拠に向かって粗い位置化を超えて移動可能であることを示している。

関連論文リスト

• Human Supervision as an Information Bottleneck: A Unified Theory of Error Floors in Human-Guided Learning [51.56484100374058]
  制約は、モデルスケールや最適化よりも、監督チャネルの構造的特性を反映している、と我々は主張する。 我々は、人間の監督チャネルが潜在評価対象に十分でない場合、情報伝達チャネルとして機能することを示す統一理論を開発する。
  論文  参考訳（メタデータ） (2026-02-26T19:11:32Z)
• ForgeryVCR: Visual-Centric Reasoning via Efficient Forensic Tools in MLLMs for Image Forgery Detection and Localization [62.03035862528452]
  ForgeryVCRは、視覚中心推論(Visual-Centric Reasoning)を通じて、知覚できないトレースを明示的な視覚中間体に物質化するフレームワークである。 ForgeryVCRは、検出タスクとローカライゼーションタスクの両方において、最先端(SOTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-15T11:14:47Z)
• TACK Tunnel Data (TTD): A Benchmark Dataset for Deep Learning-Based Defect Detection in Tunnels [0.5708902722746041]
  トンネルは交通インフラの重要な要素であるが, ひび割れなどの老朽化や劣化機構の影響が強くなっている。 モバイルマッピングシステムとディープラーニング(DL)の最近の進歩により、自動視覚検査が可能になった。 本稿では,3つのトンネルライニングの注釈付き画像を含む新しい公開データセットを提案する。
  論文  参考訳（メタデータ） (2025-12-16T15:10:16Z)
• 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)
• Tunneling Dynamics and Time Delay in Electron Transport through Time-Dependent Barriers with Finite-Bandwidth Reservoirs [0.0]
  本研究では,時間依存型トンネルバリアと有限帯域の2つの貯留層からなるモデルシステムについて検討する。 断熱型および非断熱型両方の時間依存性トンネル電流の簡易表現を導出する。 この結果は,非マルコフ環境におけるトンネル力学の理解の基盤となる。
  論文  参考訳（メタデータ） (2025-07-28T09:13:04Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt [80.43623986759691]
  UCADと呼ばれる新しい非教師付き連続異常検出フレームワークを提案する。 このフレームワークは、対照的に学習したプロンプトを通じて、UDAに継続的な学習能力を持たせる。 我々は総合的な実験を行い、教師なし連続異常検出とセグメンテーションのベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-01-02T03:37:11Z)
• AL-iGAN: An Active Learning Framework for Tunnel Geological Reconstruction Based on TBM Operational Data [70.99694324397903]
  地下トンネル掘削機 (TBM) では, トンネル内に分布する岩盤のタイプを正確に記述することで, 建設リスクを低減できる。 TBM操作データに基づくトンネル地質復元のためのアクティブラーニングフレームワークAL-iGANを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:39:58Z)
• Influence of imperfections on tunneling rate in $\delta$-layer junctions [0.0]
  シリコン中の$delta$-layerトンネル接合における不完全性の影響について検討する。 トンネルギャップ内の1つの荷電不純物は、トンネルの速度を1桁以上変更することができる。
  論文  参考訳（メタデータ） (2022-09-22T23:08:05Z)

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。