基于深度几何描述子的三维点云异常检测
计算机视觉与模式识别
2022-02-24 v1
摘要
我们提出了一种在高分辨率三维点云中无监督检测几何异常的新方法。特别地，我们将成熟的师生异常检测框架推广至三维。学生在无异常点云上训练以匹配预训练教师网络的输出。应用于测试数据时，教师与学生之间的回归误差可可靠定位异常结构。为构建提取稠密局部几何描述子的更具表达力的教师网络，我们引入了一种新颖的自监督预训练策略。教师通过重建局部感受野进行训练，且不需要标注。在全面的 MVTec 3D 异常检测数据集上的大量实验凸显了我们方法的有效性，其以较大优势优于次优方法。消融研究表明，我们的方法在性能、运行时间和内存消耗方面满足实际应用的要求。
引用
@article{arxiv.2202.11660,
title = {Anomaly Detection in 3D Point Clouds using Deep Geometric Descriptors},
author = {Paul Bergmann and David Sattlegger},
journal= {arXiv preprint arXiv:2202.11660},
year = {2022}
}