回归特征：经典 3D 特征几乎满足 3D 异常检测的全部需求
计算机视觉与模式识别
2022-11-29 v3
摘要
尽管图像异常检测与分割取得了显著进展，但极少有方法利用 3D 信息。我们利用最近引入的 3D 异常检测数据集来评估使用 3D 信息是否是一个错失的机会。首先，我们提出了一个令人惊讶的发现：标准的仅颜色方法优于所有当前明确设计用于利用 3D 信息的方法。这是反直觉的，因为即使对该数据集的简单检查也显示仅颜色方法对于包含几何异常的图像是不充分的。这引出了一个问题：异常检测方法如何能有效利用 3D 信息？我们研究了一系列形状表示，包括手工设计的和基于深度学习的；我们证明旋转不变性在性能中起主导作用。我们揭示了一个简单的仅 3D 方法，它击败了所有近期方法，同时不使用深度学习、外部预训练数据集或颜色信息。由于该仅 3D 方法无法检测颜色和纹理异常，我们将其与基于颜色的特征结合，显著优于先前的最先进水平。我们的方法被称为 BTF（Back to the Feature），在 MVTec 3D-AD 上实现了像素级 ROCAUC：99.3% 和 PRO：96.4%。
引用
@article{arxiv.2203.05550,
title = {Back to the Feature: Classical 3D Features are (Almost) All You Need for 3D Anomaly Detection},
author = {Eliahu Horwitz and Yedid Hoshen},
journal= {arXiv preprint arXiv:2203.05550},
year = {2022}
}
备注
Project page: https://www.vision.huji.ac.il/3d_ads/