論文の概要: Damage Classification for 3D Point Cloud Data via 3D Data Analysis and Vision Foundation Model-based 2D Projections

• arxiv url: http://arxiv.org/abs/2608.08955v1
• Date: Sun, 09 Aug 2026 23:18:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.004045
• Title: Damage Classification for 3D Point Cloud Data via 3D Data Analysis and Vision Foundation Model-based 2D Projections
• Title（参考訳）: 3次元データ解析とビジョンファウンデーションモデルに基づく3次元クラウドデータの損傷分類
• Authors: Evan Perez, Kalelo Dukuray, Erika Ardiles-Cruz, Jie Wei,
• Abstract要約: 本研究は3次元PCDによる損傷評価(3PDA)アルゴリズムと2次元予測損傷評価(2PDA)の2つの手法について検討する。 3PDA解析アルゴリズムでは,TDAを用いてポイントネットで分割した3次元PCDのコンパクト表現を導出する。 2次元プロジェクション解析アルゴリズムでは、3次元PCDを2次元ビューに投影することで、大きなVFMを用いてきめ細かな損傷検出を行う。
• 参考スコア（独自算出の注目度）: 4.959316347509111
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained damage classification of 3D point cloud data (PCD) remains a persistent challenge, constrained by high computational demands and limited labeled data. This study examines two methods: 3D PCD-based damage assessment (3PDA) algorithm and 2D projection damage assessment (2PDA) In our 3PDA analysis algorithm, TDA is used to derive compact representations of 3D PCD segmented by pointNet, which are then integrated with anomaly detection algorithms to quantify structural degradation. We show that TDA effectively compresses geometric structure from VFM-segmented components into discriminative feature vectors and that anomaly detection models can reliably distinguish components with varying damage severity using only 3D PCD inputs. In the 2D projection analysis algorithm, we leverage large VFMs for granular damage detection by projecting 3D PCD into 2D views. These projections allow VFM based models to achieve competitive classification performance while requiring only a fraction of the computational cost associated with full 3D data processing. Our results demonstrate that 2D VFM pipelines in 2PDA can perform strongly on fine-grained damage classification tasks, highlighting their viability as lightweight, resource-efficient alternatives to traditional 3PDA architectures. Comparative evaluation shows that the 3PDA attains higher accuracy but only for a narrow subset of object geometries and at substantially higher computational cost due to its reliance on TDA and the scarcity of high-fidelity 3D datasets. In contrast, the 2PDA algorithm yields slightly lower accuracy but offers an order of magnitude reduction in time complexity and generalizes across a far broader range of object categories.
• Abstract（参考訳）: 3Dポイントクラウドデータ(PCD)のきめ細かい損傷分類は、高い計算要求と限られたラベル付きデータによって制約される、永続的な課題である。 本研究では,3次元PCDに基づく損傷評価アルゴリズム(3PDA)と2次元予測損傷評価(2PDA)の2つの手法について検討した。 TDA は VFM 分割成分から識別特徴ベクトルに幾何学的構造を効果的に圧縮し, 異常検出モデルにより, 3次元PCD 入力のみを用いて, 損傷重大度の変化のある成分を確実に識別できることを示す。 2次元プロジェクション解析アルゴリズムでは、3次元PCDを2次元ビューに投影することで、大きなVFMを用いてきめ細かな損傷検出を行う。 これらのプロジェクションにより、VFMベースのモデルは、完全な3Dデータ処理に関連する計算コストのごく一部を必要としながら、競合する分類性能を達成することができる。 その結果、2PDAの2次元VFMパイプラインは、従来の3PDAアーキテクチャに代わる軽量で資源効率の良い代替品として、きめ細かな損傷分類タスクを強く行うことができることを示した。 比較評価の結果,3PDAの精度は高いが,TDAに依存し,高忠実度な3Dデータセットが不足していることから,オブジェクトジオメトリの狭いサブセットに対してのみ高い計算コストが得られた。 対照的に、2PDAアルゴリズムはわずかに精度が低下するが、時間複雑性の桁違いの減少をもたらし、より広い範囲の対象カテゴリにわたって一般化する。

関連論文リスト

• Stitching and dimensionality effects on large artificially generated volume datasets [0.9664596800095625]
  縫製アーティファクトはスタイル転送のための生成モデルに影響を与える可能性がある。 低温電子顕微鏡データを用いたサイクルGANモデルを用いて3つの縫合法と2つのパッチ次元(2D vs 3D)について検討した。 下流ミトコンドリアセグメンテーションにおける知覚的品質と性能について検討した。
  論文  参考訳（メタデータ） (2026-06-18T11:14:20Z)
• Robust 3D Point Clouds Classification based on Declarative Defenders [18.51700931775295]
  3Dポイントの雲は非構造的でスパースであり、2Dイメージは構造的で密度が高い。 本稿では,3次元点雲を2次元画像にマッピングする3つの異なるアルゴリズムについて検討する。 提案手法は敵攻撃に対する高い精度と堅牢性を示す。
  論文  参考訳（メタデータ） (2024-10-13T01:32:38Z)
• CatFree3D: Category-agnostic 3D Object Detection with Diffusion [63.75470913278591]
  本稿では,2次元検出と深度予測から3次元検出を分離するパイプラインを提案する。 また,3次元検出結果の正確な評価のために,正規化ハンガリー距離(NHD)指標も導入した。
  論文  参考訳（メタデータ） (2024-08-22T22:05:57Z)
• FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [59.13757801286343]
  クラス増分学習(class-incremental learning)は、モデルが限られたデータで漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。 本稿では,特徴空間の不整合のための冗長特徴除去器 (RFE) と,重要な雑音に対する空間ノイズ補償器 (SNC) の2つの新しいコンポーネントを備えたFILP-3Dフレームワークを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T14:52:07Z)
• Homography Loss for Monocular 3D Object Detection [54.04870007473932]
  ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。 提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
  論文  参考訳（メタデータ） (2022-04-02T03:48:03Z)
• PONet: Robust 3D Human Pose Estimation via Learning Orientations Only [116.1502793612437]
  本稿では,学習向きのみを用いて3次元ポーズを頑健に推定できる新しいPose Orientation Net(PONet)を提案する。 PONetは、局所的な画像証拠を利用して、これらの手足の3D方向を推定し、3Dポーズを復元する。 我々は,Human3.6M,MPII,MPI-INF-3DHP,3DPWを含む複数のデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-12-21T12:48:48Z)
• PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
  既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。 この2つのタスクを同一のメトリック空間で統一するモデルを提案する。 提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-17T05:11:38Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。