論文の概要: Rethinking Infrastructure Inspection as Image Difference Classification: A Traffic Sign Case Study

• arxiv url: http://arxiv.org/abs/2606.06375v1
• Date: Thu, 04 Jun 2026 16:43:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.970143
• Title: Rethinking Infrastructure Inspection as Image Difference Classification: A Traffic Sign Case Study
• Title（参考訳）: イメージ差分分類としてのインフラ検査の再考:交通標識の事例研究
• Authors: Ching Yau Fergus Mok, Lavindra de Silva, Varun Kumar Reja, Ioannis Brilakis,
• Abstract要約: 本研究は、画像差分分類(IDC)として画像に基づく欠陥検出を再構成するための連続資産状態監視の特性を活用する。 その結果、命令ベースの分類器は、エンコーダベースの分類器よりも優れており、参照画像との比較から得られることがわかった。 このことは、IDCがインフラ検査およびDTアセット条件更新におけるデータ制約に対処するための効果的なタスクモデリングであることを示している。
• 参考スコア（独自算出の注目度）: 1.073293587322602
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital twins (DTs) allow the digitalization of road infrastructure inspection, though this is hindered by limited annotated data. This work exploits the relational nature of continuous asset condition monitoring to reformulate image-based defect detection as image difference classification (IDC) to reduce data reliance. This was evaluated in a case study on low-resource traffic sign inspection with different IDC classifiers using a newly-curated, high quality dataset. Results indicate that the instruction-based classifier outperforms encoder-based ones and gains from comparison with reference images. This shows that IDC can be an effective task modeling for tackling data constraints in infrastructure inspection and DT asset condition updating.
• Abstract（参考訳）: デジタルツイン(DT)は、限られた注釈付きデータによって妨げられるが、道路インフラ検査のデジタル化を可能にする。 この研究は、連続資産状態監視の関連性を利用して、画像に基づく欠陥検出を画像差分分類(IDC)として再構成し、データ依存を減らす。 新たに作成した高品質データセットを用いて,IDC分類器による低リソース交通標識検査のケーススタディとして評価した。 その結果、命令ベースの分類器は、エンコーダベースの分類器よりも優れており、参照画像との比較から得られることがわかった。 このことは、IDCがインフラ検査およびDTアセット条件更新におけるデータ制約に対処するための効果的なタスクモデリングであることを示している。

関連論文リスト

• From Controlled Scenarios to Real-World: Cross-Domain Degradation Pattern Matching for All-in-One Image Restoration [2.997052569698842]
  All-in-One Image Restoration (AiOIR) は、統一されたパラメータを持つ単一モデルを用いて、複数の劣化パターンによる画像復元を実現することを目的としている。 UDAIRフレームワークは、ソースドメインからターゲットドメインへの学習知識を活用することにより、AiOIRを効果的に実現するために提案されている。 10のオープンソースデータセットの実験結果は、UDAIRがAiOIRタスクのための新しい最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-05-28T12:22:00Z)
• DACAD: Domain Adaptation Contrastive Learning for Anomaly Detection in Multivariate Time Series [83.76994646443498]
  時系列異常検出では、ラベル付きデータの不足が正確なモデルの開発に困難をもたらす。 時系列における異常検出のための新しいドメインコントラスト学習モデル(DACAD)を提案する。 本モデルでは,ソース領域に対する教師付きコントラスト損失と,ターゲット領域に対する自己監督型コントラスト型3重項損失を用いる。
  論文  参考訳（メタデータ） (2024-04-17T11:20:14Z)
• Few-shot Online Anomaly Detection and Segmentation [29.693357653538474]
  本稿では,難易度の高いオンライン異常検出・セグメンテーション(FOADS)の課題に対処することに焦点を当てる。 FOADSフレームワークでは、モデルを数ショットの通常のデータセットでトレーニングし、その後、正常サンプルと異常サンプルの両方を含む未ラベルのストリーミングデータを活用することで、その能力の検査と改善を行う。 限られたトレーニングサンプルを用いた性能向上のために,ImageNetで事前学習したCNNから抽出したマルチスケール特徴埋め込みを用いて,ロバストな表現を得る。
  論文  参考訳（メタデータ） (2024-03-27T02:24:00Z)
• Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
  我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。 このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。 様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2023-08-28T08:47:06Z)
• Learning Informative Health Indicators Through Unsupervised Contrastive Learning [5.193936395510582]
  本研究は、健康指標を学習するための、新規で汎用的で教師なしのアプローチを提案する。 アプローチは2つのタスクと異なる特性を持つケーススタディに基づいて評価される。 提案手法は, 製粉機械の摩耗に追従した健康指標を効果的に学習することを示す。
  論文  参考訳（メタデータ） (2022-08-28T21:04:42Z)
• Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
  本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。 因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。 また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
  論文  参考訳（メタデータ） (2022-03-29T13:07:53Z)
• Test-time Adaptation with Slot-Centric Models [63.981055778098444]
  Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。 我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:59:50Z)
• Zero-sample surface defect detection and classification based on semantic feedback neural network [13.796631421521765]
  本論文では,複数角度からの画像タグ埋め込みにおける予測誤差を適応的に低減するアンサンブル協調学習アルゴリズムを提案する。 産業分野におけるゼロショットデータセットとシリンダーライナーデータセットを用いた各種実験により,競争結果が得られた。
  論文  参考訳（メタデータ） (2021-06-15T08:26:36Z)

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。