論文の概要: GeoMAD: Geometry-Aware Multi-View Anomaly Detection via Deformable Fusion and Distributional Alignment
- arxiv url: http://arxiv.org/abs/2608.26724v1
- Date: Thu, 27 Aug 2026 07:15:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.285187
- Title: GeoMAD: Geometry-Aware Multi-View Anomaly Detection via Deformable Fusion and Distributional Alignment
- Title（参考訳）: GeoMAD:変形可能な融合と分布アライメントによる幾何学的マルチビュー異常検出
- Abstract要約: マルチビュー異常検出(MvAD)は、複数のカメラ視点からの相補的な観察を利用して欠陥を検出する。
既存の方法は通常2つの極端に該当する: ボクセルベースの融合は明示的な幾何学的アライメントを提供するが、コストがかかる3次元構造とクラス固有の仮定を必要とする。
幾何対応の不整合と分布不整合の両方に対処する統合多視点多クラスADフレームワークGeoMADを提案する。
- 参考スコア（独自算出の注目度）: 32.33973839948303
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-view anomaly detection (MvAD) detects defects by exploiting complementary observations from multiple camera viewpoints. The central challenge is to fuse views with sufficient geometric awareness while remaining scalable to multi-class industrial settings. Existing methods typically fall into two extremes: voxel-based fusion provides explicit geometric alignment but requires costly 3D construction and class-specific assumptions, whereas lightweight patch-based fusion is efficient but relies on discrete candidate matching and lacks continuous cross-view correspondence. In this paper, we propose GeoMAD, a unified multi-view, multi-class AD framework that addresses both geometric correspondence deficiency and distributional inconsistency. Our \textit{Cross-view Deformable Fusion Module} (CDFM) learns content-adaptive, view-pair-specific sampling offsets directly on 2D feature maps and arranges them across a multi-scale window pyramid with image-global reference sampling, enabling hierarchical cross-view correspondence without camera calibration, voxel construction, or class-specific 3D supervision. We further introduce \textit{Distributional View Alignment} (DVA), a self-supervised cross-view regularization loss that aligns each view's bottleneck distribution against a per-instance view-centric target, enforcing global consistency without pixel-level correspondence. Together, CDFM and DVA bridge local geometric correspondence and global distributional consistency, providing geometry-aware and distribution-consistent fusion while preserving the efficiency of 2D feature-space learning. Extensive experiments on Real-IAD and MANTA-Tiny show that GeoMAD achieves strong detection and localization performance in unified MvAD.
- Abstract（参考訳）: マルチビュー異常検出(MvAD)は、複数のカメラ視点からの相補的な観察を利用して欠陥を検出する。
中心的な課題は、多クラスの産業環境に拡張性を維持しながら、十分な幾何学的認識でビューを融合させることである。
既存の方法は通常2つの極端に該当する: ボクセルベースの融合は明示的な幾何学的アライメントを提供するが、コストがかかる3次元の構成とクラス固有の仮定を必要とする。
本稿では,幾何対応の不整合と分布不整合の両方に対処する統合多視点多クラスADフレームワークGeoMADを提案する。
我々のCDFMは2次元特徴マップ上で直接コンテンツ適応型でビューペア固有のサンプリングオフセットを学習し、画像-グロバル参照サンプリングによるマルチスケールウィンドウピラミッドに配置し、カメラキャリブレーションやボクセル構成、クラス固有の3D監視なしに階層的なクロスビュー対応を可能にする。
さらに、各ビューのボトルネック分布をインスタンスごとのビュー中心のターゲットと整合させ、ピクセルレベルの対応なしにグローバルな一貫性を強制する、自己監督型クロスビュー正規化損失である「textit{Distributional View Alignment} (DVA)」を導入する。
CDFMとDVAは、局所的な幾何学的対応と大域的な分布整合性を橋渡しし、2次元特徴空間学習の効率を保ちながら、幾何学的認識と分布整合性融合を提供する。
Real-IAD と MANTA-Tiny の広範囲にわたる実験により,GeoMAD は統合MvAD において強い検出および局所化性能を発揮することが示された。
関連論文リスト
- ProjFormer: Point Cloud Completion via Geometric-Projective Transformer and Cross-Modal Semantic Constraints [50.4059685962603]
ProjFormerは、明示的なプロジェクションと適応的な特徴ルーティングを通じて、幾何学的に一貫性のある2D-3Dインタラクションを強制するクロスモーダルフレームワークである。
実験によると、軽量な設計の下で、ProjFormerは、構造的完全性を改善した競争力のあるパフォーマンスを提供する。
論文 参考訳（メタデータ） (2026-08-15T08:05:48Z) - CoGeoAD: Hierarchical Color-Geometric Fusion with Multi-View Attention for Zero-Shot 3D Anomaly Detection [5.069582722808145]
CoGeoADは、CLIPベースの統一フレームワークで、ピクセル整列した複数ビュー画像を構築することで、色と幾何学的特徴を融合する。
MVTec3D-ADとEyecandiesベンチマークの実験は、CoGeoADが最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-06-24T01:12:22Z) - Text-Guided Multimodal Unified Industrial Anomaly Detection [71.95719669933312]
そこで本研究では,テキストセマンティクスによって導かれる多モーダル産業異常検出フレームワークを提案する。
フレームワークは、Geometry-Aware Cross-Modal MapperとObject-Conditioned Textual Feature Adaptorの2つのコアモジュールで構成されている。
本手法は,教師なし環境下での分類とローカライゼーションにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-04-24T13:21:22Z) - SGANet: Semantic and Geometric Alignment for Multimodal Multi-view Anomaly Detection [2.272894689841013]
多視点異常検出は、複数の視点から捉えた観測により、複雑な物体の表面欠陥を特定することを目的としている。
既存の教師なしの手法は、視点の変化とモダリティの相違から生じる特徴的不整合に悩まされることが多い。
意味的および幾何学的アライメントを用いたマルチモーダル多視点異常検出のための統合フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-07T09:35:29Z) - Cross-Modal Mapping and Dual-Branch Reconstruction for 2D-3D Multimodal Industrial Anomaly Detection [6.632019014616859]
textbfCMDR-IADは、2D+3Dマルチモーダルおよび単一モダリティ設定における信頼性の高い異常検出のための教師なしフレームワークである。
CMDR-IADは、メモリバンクなしで動作しながら最先端のパフォーマンスを実現し、イメージレベルのAUROC(I-AUROC)97.3%、ピクセルレベルのAUROC(P-AUROC)99.6%、AUPRO97.6%に達した。
論文 参考訳（メタデータ） (2026-03-04T10:57:32Z) - Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。
カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。
我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
論文 参考訳（メタデータ） (2026-02-28T09:21:21Z) - TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。
近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。
本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-02T02:22:20Z) - Cross-Modal Geometric Hierarchy Fusion: An Implicit-Submap Driven Framework for Resilient 3D Place Recognition [9.411542547451193]
本稿では,密度に依存しない幾何学的推論により3次元位置認識を再定義するフレームワークを提案する。
具体的には、元のシーンポイント雲密度の干渉に免疫する弾性点に基づく暗黙の3次元表現を導入する。
これら2種類の情報を活用することで,鳥眼視と3Dセグメントの両視点から幾何学的情報を融合する記述子を得る。
論文 参考訳（メタデータ） (2025-06-17T07:04:07Z) - Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。
設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
論文 参考訳（メタデータ） (2024-02-28T18:59:31Z) - Similarity-Aware Fusion Network for 3D Semantic Segmentation [87.51314162700315]
本研究では,3次元セマンティックセグメンテーションのための2次元画像と3次元点雲を適応的に融合する類似性認識融合ネットワーク(SAFNet)を提案する。
我々は、入力とバックプロジェクションされた(2Dピクセルから)点雲の間の幾何学的および文脈的類似性を初めて学習する、後期融合戦略を採用している。
SAFNetは、様々なデータ完全性にまたがって、既存の最先端の核融合ベースのアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2021-07-04T09:28:18Z)
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。