論文の概要: When Point Clouds Outperform Pixels: Rethinking Zero-Shot Multimodal Anomaly Detection

• arxiv url: http://arxiv.org/abs/2609.25793v1
• Date: Tue, 22 Sep 2026 07:28:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.268021
• Title: When Point Clouds Outperform Pixels: Rethinking Zero-Shot Multimodal Anomaly Detection
• Title（参考訳）: 点雲の画素性能:ゼロショットマルチモーダル異常検出の再考
• Abstract要約: ゼロショットのカテゴリーシフトでは、ポイントクラウドはRGBよりもかなり信頼性が高いことが分かりました。 信頼性を考慮したゼロショット型マルチモーダル異常検出フレームワークであるWOOPSを提案する。
• 参考スコア（独自算出の注目度）: 10.209690754438746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zero-shot multimodal anomaly detection commonly assumes that RGB and point cloud modalities are equally reliable and can contribute uniformly to anomaly localization. We challenge this assumption. Using a set of recently proposed stringent metrics that penalize false anomaly responses in normal regions, we find that point clouds are substantially more reliable than RGB under zero-shot category shift. Motivated by this observation, we propose WOOPS (\textbf{W}hen P\textbf{o}int Cl\textbf{o}uds Out\textbf{p}erform Pixel\textbf{s}), a reliability-aware zero-shot multimodal anomaly detection framework. To strengthen the more reliable geometric modality, we design a Multi-view Information Decoupling module to suppress heterogeneous information from multi-view point cloud projections and enhance point cloud feature quality. To avoid unconditional fusion, we further introduce a Modality Reliability Calibration module to adaptively calibrate modality contributions according to their reliability. Extensive experiments show that our method achieves the best or competitive performance under the new metrics in both unimodal and multimodal settings. Further analysis demonstrates that point cloud information also improves RGB-only inference, while ablations verify the effectiveness of both modules. Code will be released upon acceptance.
• Abstract（参考訳）: ゼロショットマルチモーダル異常検出は、通常、RGBと点雲のモダリティが等しく信頼性があり、異常局所化に一様に寄与することができると仮定する。 私たちはこの仮定に挑戦する。 通常の領域における偽異常応答をペナルティ化する一連の厳密な指標を用いて、ゼロショットカテゴリーシフトの下では、点雲はRGBよりもかなり信頼性が高いことがわかった。 本稿では,信頼性の高いゼロショットマルチモーダル異常検出フレームワークであるWOOPS (\textbf{W}hen P\textbf{o}int Cl\textbf{o}uds Out\textbf{p}erform Pixel\textbf{s})を提案する。 より信頼性の高い幾何学的モダリティを強化するため,マルチビュー・インフォメーション・デカップリング・モジュールを設計し,マルチビュー・クラウド・プロジェクションからの異種情報を抑制し,ポイント・クラウドの特徴的品質を向上させる。 非条件の融合を避けるため、その信頼性に応じてモダリティコントリビューションを適応的に校正するModality Reliability Calibrationモジュールを導入する。 実験結果から,本手法は単調条件と多モード条件の両方において,新たな指標の下で最高の,あるいは競争的な性能を達成できることが示唆された。 さらなる分析では、ポイントクラウド情報もRGBのみの推論を改善し、Ablationsは両方のモジュールの有効性を検証する。 コードは受理時にリリースされる。

関連論文リスト

• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• Rethinking Auxiliary Modalities in Multimodal Zero-shot Anomaly Detection: From Semantic Fusion to Conditional Modulation [38.070045759599225]
  ゼロショット異常検出のためのプラグアンドプレイ補助条件拡張フレームワークを提案する。 本フレームワークは,RGB画像テキスト異常マッチング経路を保存し,RGB特徴改善のための条件信号として補助観測を用いる。 MVTec 3D-ADとEyecandiesの実験は、我々のフレームワークが複数のRGBベースのゼロショット異常検知器を一貫して改善していることを示している。
  論文  参考訳（メタデータ） (2026-08-14T05:33:45Z)
• Cross-Coordinate Correspondence Pruning for Image-to-Point Cloud Registration [70.44225088078274]
  そこで本研究では,不整合度を低く抑えつつ十分な不整合を得るための新しいCCP戦略を提案する。 提案手法は, 各種ベンチマークにおける登録リコールにおいて, 既存の最先端手法を少なくとも8.6%上回り, 大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2026-07-19T11:45:14Z)
• UPP: Unified Point-Level Prompting for Robust Point Cloud Analysis [36.565699477170504]
  既存の方法は、専用のデノベーションと完了モデルを開発することによって、ポイントクラウドの品質を向上させることに重点を置いている。 本稿では,点雲の復調と完了をプロンプト機構として再構成する統一点レベルプロンプト手法を提案する。 4つのデータセットに対する大規模な実験は、ノイズや不完全点のクラウドデータを扱う際の方法の優位性と堅牢性を示している。
  論文  参考訳（メタデータ） (2025-07-25T06:54:30Z)
• RBFIM: Perceptual Quality Assessment for Compressed Point Clouds Using Radial Basis Function Interpolation [58.04300937361664]
  ポイントクラウド圧縮(PCC)の主な課題の1つは、知覚的品質にRBを最適化できるように、認識された歪みを評価する方法である。 本稿では、放射基底関数(RBF)を用いて離散点特徴を歪み点雲の連続特徴関数に変換する新しい評価法を提案する。
  論文  参考訳（メタデータ） (2025-03-18T11:25:55Z)
• A Consistency-Aware Spot-Guided Transformer for Versatile and Hierarchical Point Cloud Registration [9.609585217048664]
  我々は整合性を考慮したスポット誘導変換器(CAST)を開発した。 CASTは、無関係な領域への干渉を避けるために、スポット誘導のクロスアテンションモジュールを組み込んでいる。 スパースキーポイントと高密度特徴の両方のための軽量な微細マッチングモジュールは、変換を正確に推定することができる。
  論文  参考訳（メタデータ） (2024-10-14T08:48:25Z)
• Enhancing Sampling Protocol for Point Cloud Classification Against Corruptions [7.734037486455235]
  我々は,ポイントクラウドの破損に対するロバスト性を改善するために,ポイントSPという拡張されたポイントクラウドサンプリングプロトコルを提案する。 PointSPはキーポイント再重み付けを導入し、外部感度を緩和し、代表点の選択を確実にする。 また、スケーラブルで適応的なサンプリングを可能にする、局所的なバランスの取れたダウンサンプリング戦略も導入されている。
  論文  参考訳（メタデータ） (2024-08-22T01:48:31Z)
• Reliability-Adaptive Consistency Regularization for Weakly-Supervised Point Cloud Segmentation [80.07161039753043]
  極端に限られたラベルを持つ弱教師付きポイントクラウドセグメンテーションは、高額な注釈付き3Dポイントの収集コストを軽減するのが望ましい。 本稿では、弱教師付き学習において一般的に用いられる一貫性の正則化を、複数のデータ固有の拡張を伴うポイントクラウドに適用することを検討する。 疑似ラベルの信頼性を評価するために,予測信頼性とモデル不確実性を両立させる新しい信頼性適応整合ネットワーク(RAC-Net)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T10:41:57Z)
• Learning Selective Mutual Attention and Contrast for RGB-D Saliency Detection [145.4919781325014]
  クロスモーダル情報を効果的に融合する方法は、RGB-Dの有能な物体検出の鍵となる問題である。 多くのモデルは特徴融合戦略を用いるが、低次点対点融合法によって制限されている。 本研究では,異なるモダリティから注目とコンテキストを融合させることにより,新たな相互注意モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-12T08:50:10Z)

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。