Fugu-MT 論文翻訳(概要): ProGAN-Based Synthetic Image Generation for Industrial Visual Inspection of Metallic Parts

論文の概要: ProGAN-Based Synthetic Image Generation for Industrial Visual Inspection of Metallic Parts

arxiv url: http://arxiv.org/abs/2610.16287v1
Date: Mon, 12 Oct 2026 07:14:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-19 06:41:37.6824
Title: ProGAN-Based Synthetic Image Generation for Industrial Visual Inspection of Metallic Parts
Title（参考訳）: 金属部品の産業視覚検査のためのプロGANに基づく合成画像生成
Abstract要約: ProGAN(Progressive Growing GAN)を用いたAI駆動合成画像生成の検討その結果、トレーニングは安定し続け、モデルは現実的なイメージを得ることができた。これらの画像は、トレーニングデータを強化し、堅牢性を改善し、希少な欠陥を収集するコストを削減することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Automated visual inspection is essential for efficient repair and recycling of metallic components. AI-based defect detection is a strong fit. However, it is often constrained by scarce, low-diversity training data. To address this gap, we study Generative AI-driven synthetic image generation using Progressive Growing GANs (ProGAN). We implement a ProGAN pipeline with Wasserstein loss and gradient penalty and evaluate key hyperparameters on two public datasets, MVTec AD (metal nut) and MPDD (tube). As a result, training remained stable and the model yielded realistic images. These images can augment training data, improve robustness, and reduce the cost of collecting rare defects.
Abstract（参考訳）: 自動化された視覚検査は、金属部品の効率的な修復とリサイクルに不可欠である。 AIベースの欠陥検出は、非常に適している。しかし、それは希少で低多様性のトレーニングデータによって制約されることが多い。このギャップに対処するため,Progressive Growing GAN(ProGAN)を用いた生成AI駆動合成画像生成について検討した。 We implement a ProGAN pipeline with Wasserstein loss and gradient penalty, and evaluation key hyperparameters on two public datasets, MVTec AD (metal nut) and MPDD (tube)。その結果、トレーニングは安定し続け、モデルは現実的なイメージを得ることができた。これらの画像は、トレーニングデータを強化し、堅牢性を改善し、希少な欠陥を収集するコストを削減することができる。

関連論文リスト

High-Fidelity Synthetic Transmission Electron Microscopy Image Generation Using Diffusion Probabilistic Models for Data-Limited Semiconductor Metrology [0.7161783472741748]
本稿では, 極度のデータ不足下での合成TEM画像生成のための分散拡散確率モデル(DDPM)フレームワークを提案する。プログレッシブパッチベースのトレーニング戦略は、低解像度のパッチからフルイメージにスケールし、わずか15サンプルでストレートスクラッチトレーニングを可能にする。合成画像は, MS-SSIM > 0.98 まで到達し, 構造的類似性に整合した定性評価を行う。
論文参考訳（メタデータ） (2026-06-23T17:02:58Z)
GenShield: Unified Detection and Artifact Correction for AI-Generated Images [65.11434977803509]
GenShieldは、診断から修復までのクローズドループでAIGI検出とアーティファクト修正を実行するフレームワークである。大規模なアーティファクト-restored'ペアを備えた高品質データセットは、統一された評価パイプラインと共に構築される。
論文参考訳（メタデータ） (2026-05-15T16:06:20Z)
Boosting Robust AIGI Detection with LoRA-based Pairwise Training [55.076681464804636]
現在のAIGI検出器はクリーンなデータセットで良好に動作しますが、その検出性能は"野生"に展開すると低下します。本稿では,高度歪み下でのAIGIの堅牢な検出を実現するために,Lo-based Pairwise Training (RA) 戦略を提案する。
論文参考訳（メタデータ） (2026-04-14T05:35:32Z)
Degradation-Modeled Multipath Diffusion for Tunable Metalens Photography [44.164180405913456]
調光性メタレン写真のための劣化モデル多経路拡散法について紹介する。我々は, 高周波詳細生成, 構造忠実度, メタレン特異的劣化抑制のバランスをとる。実世界の検証のために,ミリスケールのMetaCameraを構築した。
論文参考訳（メタデータ） (2025-06-28T04:48:37Z)
Scalable AI Framework for Defect Detection in Metal Additive Manufacturing [2.303463009749888]
我々は、畳み込みニューラルネットワーク(CNN)を利用してプリント層の熱画像を分析し、これらの特性に影響を与える異常を自動的に識別する。我々はこれらのモデルをCLoud ADditive Manufacturing (CLADMA)モジュールに統合し、AMアプリケーションのアクセシビリティと実用性を向上させる。
論文参考訳（メタデータ） (2024-11-01T18:17:59Z)
Utilizing Generative Adversarial Networks for Image Data Augmentation and Classification of Semiconductor Wafer Dicing Induced Defects [0.21990652930491852]
半導体製造において、ウエハダイシングプロセスは中心的でありながら、収率を著しく損なう欠陥に対して脆弱である。深層ニューラルネットワーク(Deep Neural Network)は、半自動視覚検査における最先端技術である。本稿では, 半導体ウェハダイシングによる欠陥の画像データの増大と分類にGAN(Generative Adversarial Network)の適用について検討する。
論文参考訳（メタデータ） (2024-07-24T20:44:16Z)
RIGID: A Training-free and Model-Agnostic Framework for Robust AI-Generated Image Detection [60.960988614701414]
RIGIDは、堅牢なAI生成画像検出のためのトレーニング不要でモデルに依存しない方法である。 RIGIDは、既存のトレーニングベースおよびトレーニング不要な検出器を著しく上回っている。
論文参考訳（メタデータ） (2024-05-30T14:49:54Z)
PLASTIC: Improving Input and Label Plasticity for Sample Efficient Reinforcement Learning [54.409634256153154]
強化学習(RL)では, サンプル効率の向上が重要である。原則として、非政治的なRLアルゴリズムは、環境相互作用毎に複数の更新を可能にすることで、サンプル効率を向上させることができる。本研究は, この現象の原因を, 塑性を2つの側面に分けて検討した。
論文参考訳（メタデータ） (2023-06-19T06:14:51Z)
An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-27T20:53:39Z)
High-Fidelity Visual Structural Inspections through Transformers and Learnable Resizers [2.126862120884775]
無人航空機(UAV)と人工知能の最近の進歩により、視覚検査はより速く、より安全で、より信頼性が高い。高解像度セグメンテーションは、高い計算メモリ要求のために非常に難しい。本稿では,グローバルとローカルのセマンティクスのトレードオフを管理することで,異なる検査タスクに適応できるハイブリッド戦略を提案する。
論文参考訳（メタデータ） (2022-10-21T18:08:26Z)

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。