通过高质量连续几何表示桥接三维异常定位与修复
计算机视觉与模式识别
2025-12-18 v2
摘要
三维点云异常检测对于鲁棒的视觉系统至关重要，但面临姿态变化和复杂几何异常的挑战。由于离散体素化或基于投影的表示，现有基于图块的方法常受几何保真度问题困扰，限制了细粒度的异常定位。我们引入了姿态感知符号距离场（Pose-Aware Signed Distance Field, PASDF），这是一种通过学习连续且姿态不变的形状表示，将三维异常检测与修复相集成的新框架。PASDF 利用姿态对齐模块进行规范化，并使用 SDF 网络动态融合姿态，从而从连续 SDF 中隐式学习高保真异常修复模板。这通过异常感知评分模块促进了精确的像素级异常定位。关键的是，PASDF 中的连续三维表示超越了检测范畴，促进了原位异常修复。在 Real3D-AD 和 Anomaly-ShapeNet 上的实验表明了其达到 SOTA 的性能，分别取得了 80.2% 和 90.0% 的高物体级 AUROC 分数。这些结果突显了连续几何表示在推进三维异常检测和促进实用异常区域修复方面的有效性。代码可在 https://github.com/ZZZBBBZZZ/PASDF 获取以支持进一步研究。
引用
@article{arxiv.2505.24431,
title = {Bridging 3D Anomaly Localization and Repair via High-Quality Continuous Geometric Representation},
author = {Bozhong Zheng and Jinye Gan and Xiaohao Xu and Xintao Chen and Wenqiao Li and Xiaonan Huang and Na Ni and Yingna Wu},
journal= {arXiv preprint arXiv:2505.24431},
year = {2025}
}