論文の概要: Automatic weld seam segmentation for industrial quality control: a comparison of RGB and polarimetric imaging with CNN and transformer architectures

• arxiv url: http://arxiv.org/abs/2608.25465v1
• Date: Wed, 26 Aug 2026 07:32:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.646325
• Title: Automatic weld seam segmentation for industrial quality control: a comparison of RGB and polarimetric imaging with CNN and transformer architectures
• Title（参考訳）: 工業品質管理のための自動溶接シームセグメンテーション -RGBと偏光画像とCNNと変圧器アーキテクチャの比較-
• Abstract要約: 本研究は、RGBおよび偏光画像から自動溶接シームセグメンテーションの実現可能性を評価する。 CNNアーキテクチャとトランスフォーマーベースのアーキテクチャは、統一されたしきい値に依存しないプロトコルの下でベンチマークされる。 最も明確なアーキテクチャ発見は、堅牢性の観点からの関心事である。
• 参考スコア（独自算出の注目度）: 0.17205106391379021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual inspection of welded assemblies remains one of the least automated stages in many industrial production processes, still depending largely on the experience of human operators and thus subject to inter-operator variability; the manufacturing of special-purpose machinery cabins, the setting of this study, is one representative case. This work evaluates the feasibility of automatic weld seam segmentation from RGB and polarimetric imagery, comparing controlled laboratory acquisitions with images captured under real, uncontrolled conditions. Convolutional neural network (CNN) architectures and transformer-based architectures are benchmarked under a unified, threshold-independent protocol, training each CNN with three random seeds to separate genuine effects from seed noise. In controlled RGB conditions, CNN models reach a mean mask mAP50 of up to 0.87, but drop to 0.22-0.48 under uncontrolled acquisition, showing that the acquisition setup is a first-order component of the inspection system. Polarimetric imaging with alignment-preserving geometric augmentation localizes previously unseen welds with a mean mask mAP50 up to 0.93: on par with, rather than ahead of, the best controlled-RGB result, but reaching that accuracy on uncontrolled RGB without requiring acquisition control. The clearest architectural finding concerns viewpoint robustness. In-distribution, transformers and CNNs are broadly comparable; but under a test-time viewpoint shift, the transformer models, and RF-DETR in particular, retain high accuracy while every CNN collapses. The gap holds across three seeds and a resolution-matched control, pointing to architecture rather than training resolution. Within the CNN family, capacity brings no reliable in-distribution gain once seed variance is accounted for: small CNNs suffice for fixed viewpoints, transformers for variable ones.
• Abstract（参考訳）: 溶接アセンブリの視覚検査は、多くの工業生産プロセスにおいて最も自動化されていない段階の1つであり、人間の操作者の経験に大きく依存しているため、操作間変動が伴う。 本研究は,RGBおよび偏光画像からの自動溶接シームセグメンテーションの実現可能性を評価する。 畳み込みニューラルネットワーク(CNN)アーキテクチャとトランスフォーマーベースのアーキテクチャは、統一されたしきい値非依存のプロトコルの下でベンチマークされ、各CNNに3つのランダムシードをトレーニングして、シードノイズから真の効果を分離する。 制御されたRGB条件では、CNNモデルは平均マスクmAP50を最大0.87まで到達するが、制御されていない取得では0.22-0.48まで低下し、取得セットアップが検査システムの1次コンポーネントであることが示されている。 アライメントを保存した幾何増強によるポラリメトリックイメージングは、以前の未確認溶接を平均マスクmAP50で0.93まで局所化し、その上、最高の制御されたRGB結果と同等であるが、取得制御を必要とせず、制御されていないRGBでその精度に達する。 最も明確なアーキテクチャ発見は、堅牢性の観点からの関心事である。 しかし、テストタイムの視点シフトの下では、トランスフォーマーモデル、特にRF-DETRは、全てのCNNが崩壊する間に高い精度を維持している。 ギャップは3つのシードにまたがって保持され、解像度が調整されたコントロールは、トレーニングの解像度ではなくアーキテクチャを指し示している。 CNNファミリー内では、種子の分散が説明されれば、キャパシティは信頼性の高い分散利益をもたらす。

関連論文リスト

• CHROMA: Detecting AI-Generated Images through Inter-Channel Color-Space Correlations [1.6422228534416803]
  チャネル間色相関は、軽量で未発見の法医学的キューである。 我々は、標準RGB入力をチャネル間相関マップで拡張する、AI生成画像の検出器であるChromaを紹介する。
  論文  参考訳（メタデータ） (2026-06-07T22:31:49Z)
• Benchmarking CNN-based Models against Transformer-based Models for Abdominal Multi-Organ Segmentation on the RATIC Dataset [3.428885759047836]
  腹部CT検査における多臓器分画は, 診断・治療に不可欠である。 トランスフォーマーベースのアーキテクチャは、長距離依存関係をモデル化する能力により、最近注目を集めている。 本研究では,UNETR,SwinUNETR,UNETR++の3つのハイブリッドトランスフォーマーベースモデルと,強力なCNNベースラインであるSegResNetを比較検討した。
  論文  参考訳（メタデータ） (2026-03-19T08:35:11Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• Retinal Image Restoration using Transformer and Cycle-Consistent Generative Adversarial Network [0.7868449549351486]
  医療画像は様々な疾患の検出と治療に重要な役割を果たしている。 視覚変換器と畳み込みニューラルネットワークを用いた網膜画像強調手法を提案する。
  論文  参考訳（メタデータ） (2023-03-03T14:10:47Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Transformers in Self-Supervised Monocular Depth Estimation with Unknown Camera Intrinsics [13.7258515433446]
  自己教師付き単眼深度推定は3次元シーン理解において重要な課題である。 自己教師付き単眼深度推定のための視覚変換器の適応方法を示す。 本研究は,トランスフォーマーをベースとしたアーキテクチャが,より堅牢で汎用性の高い性能を実現する方法を示す。
  論文  参考訳（メタデータ） (2022-02-07T13:17:29Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• Container: Context Aggregation Network [83.12004501984043]
  最近の発見は、従来の畳み込みやトランスフォーマーコンポーネントを使わずに、シンプルなベースのソリューションが効果的な視覚表現を生成できることを示している。 マルチヘッドコンテキストアグリゲーションのための汎用ビルディングブロックCONText Ion NERtwokを提案する。 より大規模な入力画像解像度に依存する下流タスクにはスケールしないTransformerベースの手法とは対照的に、当社の効率的なネットワークであるModellightは、オブジェクト検出やインスタンスセグメンテーションネットワークに利用することができる。
  論文  参考訳（メタデータ） (2021-06-02T18:09:11Z)
• Visual Saliency Transformer [127.33678448761599]
  RGBとRGB-Dの液状物体検出(SOD)のための、純粋な変圧器であるVST(Visual Saliency Transformer)に基づく新しい統一モデルを開発しました。 イメージパッチを入力として取り、トランスフォーマーを利用してイメージパッチ間のグローバルコンテキストを伝搬する。 実験結果から,RGBとRGB-D SODのベンチマークデータセットにおいて,本モデルが既存の最新結果を上回っていることが示された。
  論文  参考訳（メタデータ） (2021-04-25T08:24:06Z)
• Transformers Solve the Limited Receptive Field for Monocular Depth Prediction [82.90445525977904]
  畳み込みニューラルネットワークとトランスの両方の恩恵を受けるアーキテクチャであるTransDepthを提案します。 連続ラベルを含む画素単位での予測問題にトランスフォーマーを適用する最初の論文である。
  論文  参考訳（メタデータ） (2021-03-22T18:00:13Z)

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。