論文の概要: Visual Quality Score Assessment of Large White Goods in Remanufacture with Multi-View Deformable-DETR
- arxiv url: http://arxiv.org/abs/2606.14556v1
- Date: Fri, 12 Jun 2026 15:35:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.959216
- Title: Visual Quality Score Assessment of Large White Goods in Remanufacture with Multi-View Deformable-DETR
- Title（参考訳）: 多視点変形型DETRによる大型白品の視覚的品質スコア評価
- Authors: Paul Koch, Vivek Chavan,
- Abstract要約: 自動品質スコアリングのためのDeformable-DETRに基づくマルチビューフレームワークを提案する。
自己教師付き事前訓練と,専門家による注釈付きスコアの教師付き微調整を併用する。
凍結特徴写像上の線形射影は、モデル決定を説明するための関心領域を特定する。
- 参考スコア（独自算出の注目度）: 6.302369456012738
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Remanufacturing large white goods is essential for a circular economy, yet visual quality assessment remains a manual bottleneck for training and pricing. Conventional detection methods require extensive annotation and struggle with small defects in high-resolution multi-view data. We present a multi-view framework based on Deformable-DETR for automated quality scoring that aggregates information across redundant views to extract fine-grained features. To enhance robustness with limited labels, we employ self-supervised pretraining followed by supervised fine-tuning on expert-annotated scores. Additionally, a linear projection over frozen feature maps identifies regions of interest to explain model decisions. Evaluated on an industrial multi-view dataset, our approach delivers precise quality assessments while reducing reliance on manual annotation and per-part customization, enabling scalable and transparent inspection for remanufacturing lines.
- Abstract（参考訳）: 大型の白製品の再生産は循環経済にとって不可欠であるが、視覚的品質評価はトレーニングと価格の手作業によるボトルネックである。
従来の検出手法では、高解像度のマルチビューデータにおいて、広範なアノテーションと小さな欠陥に対処する必要がある。
冗長なビューにまたがって情報を集約し,詳細な特徴を抽出する,自動品質スコアリングのためのDeformable-DETRに基づくマルチビューフレームワークを提案する。
ラベルを限定して頑健性を高めるため,自己教師付き事前学習と,専門家による注釈付きスコアの教師付き微調整を併用した。
さらに、凍結した特徴写像上の線形射影は、モデル決定を説明するために興味のある領域を特定する。
本手法は,産業用マルチビューデータセットに基づいて,手作業によるアノテーションや部品ごとのカスタマイズに頼らず,正確な品質評価を行う。
関連論文リスト
- CalibFree: Self-Supervised View Feature Separation for Calibration-Free Multi-Camera Multi-Object Tracking [50.354685761416484]
CalibFreeは、MCMOTタスクのキャリブレーションや手動ラベリングを必要としない自己教師型表現学習フレームワークである。
MMP-MvMHATデータセットの実験では、全体の精度が3%向上し、最先端のアプローチよりも平均F1スコアが7.5%向上した。
論文 参考訳（メタデータ） (2026-05-10T01:04:12Z) - ReVSI: Rebuilding Visual Spatial Intelligence Evaluation for Accurate Assessment of VLM 3D Reasoning [59.558706734431276]
空間知能の現在の評価は、現代の視覚言語モデル(VLM)設定下で体系的に無効にすることができる。
本稿では,各QAペアが実際の入力の下で応答可能で正しいことを保証するためのベンチマークとプロトコルであるReVSIを紹介する。
論文 参考訳（メタデータ） (2026-04-27T10:45:51Z) - FORGE: Fine-grained Multimodal Evaluation for Manufacturing Scenarios [58.34124792457706]
製造業セクターは、単純な認識から自律的な実行に移行するために、MLLM(Multimodal Large Language Models)をますます採用している。
進捗は、データの不足と、既存のデータセットにおけるきめ細かいドメインセマンティクスの欠如によって妨げられている。
まず、実世界の2D画像と3Dポイントクラウドを組み合わせて、微粒なドメインセマンティクスを付加した高品質なデータセットを構築します。
次に, 3 つの製造課題,すなわち, 構造面検査, 組立検査, 組立検証の18の最先端MLLMを評価し, 大幅な性能差を明らかにした。
論文 参考訳（メタデータ） (2026-04-08T12:23:27Z) - OpinioRAG: Towards Generating User-Centric Opinion Highlights from Large-scale Online Reviews [12.338320566839483]
本稿では,大量のユーザレビューから得られた意見ハイライトの問題点について考察する。
既存のメソッドはスケールアップに失敗するか、パーソナライズされたニーズを見落としている汎用的で一大の要約を生成するかのいずれかです。
本稿では,RAGに基づくエビデンス検索とLCMを組み合わせた拡張性のあるトレーニングフリーフレームワークであるOpinioRAGを紹介する。
論文 参考訳（メタデータ） (2025-08-30T00:00:34Z) - Towards transparent and data-driven fault detection in manufacturing: A case study on univariate, discrete time series [0.0]
本稿では,データ駆動型および透過型の両方の産業的故障検出手法を提案する。
このアプローチは、マルチクラスの障害分類のための教師付き機械学習モデル、ポストホック解釈のためのShapley Additive Explanations、do-main-specific visualization techniqueを統合する。
本システムは, 故障検出精度95.9 %を達成し, 定量的選択性解析と定性評価の両方で, 発生した説明の妥当性と解釈性を確認した。
論文 参考訳（メタデータ） (2025-06-30T14:11:48Z) - Deep Incomplete Multi-view Clustering with Distribution Dual-Consistency Recovery Guidance [69.58609684008964]
本稿では,distriBution dUal-Consistency Recovery Guidanceを用いた不完全なマルチビュークラスタリング手法であるBURGを提案する。
我々は,各サンプルを別カテゴリとして扱い,欠落したビューの分布空間を予測するために,クロスビュー配信を行う。
信頼性の高いカテゴリ情報の欠如を補うために,隣り合った整合性によって案内されるビュー内アライメントと,プロトタイプ的な整合性によって案内されるクロスビューアライメントを含む二重整合性ガイド付きリカバリ戦略を設計する。
論文 参考訳（メタデータ） (2025-03-14T02:27:45Z) - Learning Generalizable Perceptual Representations for Data-Efficient
No-Reference Image Quality Assessment [7.291687946822539]
最先端のNR-IQA技術の大きな欠点は、多数の人間のアノテーションに依存していることである。
低レベルな特徴の学習を、新しい品質に配慮したコントラスト損失を導入することで、歪みタイプの学習を可能にする。
両経路からゼロショット品質の予測を、完全に盲目な環境で設計する。
論文 参考訳（メタデータ） (2023-12-08T05:24:21Z) - Discover, Explanation, Improvement: An Automatic Slice Detection
Framework for Natural Language Processing [72.14557106085284]
スライス検出モデル(SDM)は、データポイントの低パフォーマンスなグループを自動的に識別する。
本稿では,NLPタスクの分類のための "Discover, Explain, improve (DEIM)" というベンチマークを提案する。
評価の結果,Edisaは情報的セマンティックな特徴を持つ誤り発生データポイントを正確に選択できることがわかった。
論文 参考訳（メタデータ） (2022-11-08T19:00:00Z) - Mixed supervision for surface-defect detection: from weakly to fully
supervised learning [5.69361786082969]
本研究では,教師あり学習手法の重い要件を緩和し,高度に詳細なアノテーションの必要性を低減した。
ディープラーニングアーキテクチャを提案することにより、混合監視による弱い(画像レベル)ラベルから表面欠陥検出タスクの完全な(ピクセルレベル)アノテーションまで、さまざまな詳細のアノテーションの使用を検討する。
提案手法は,すべての関連手法を完全監督設定で上回るとともに,画像レベルラベルのみを利用可能な場合の弱監督方式を上回る。
論文 参考訳（メタデータ） (2021-04-13T10:00:10Z)
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。