无需重新训练的新型 3D 打印物体分类：面向增材制造后期自动化
计算机视觉与模式识别
2026-03-10 v1
摘要
可靠的 3D 打印物体分类是工业增材制造后期工作流程自动化的关键。尽管在打印管道的其他阶段已实现大量自动化，但该任务仍严重依赖人工检查，因为待分类物体集合可以每天变化，频繁的模型重新训练难以实现。因此，自动化识别步骤对提高运营效率至关重要。在此设置下，能够利用相应 CAD 模型且无需重新训练即可对任何物体集合进行分类的视觉模型将非常有益。为系统评估该任务上视觉模型，本文引入了 ThingiPrint—a 一个新的公开数据集，将 CAD 模型与其 3D 打印制品的真实照片配对。使用 ThingiPrint，我们对现有视觉模型在 3D 打印物体分类任务上的表现进行基准测试。我们 additionally 展示，利用旋转不变目标进行对比微调可有效对以前未见过的 3D 打印物体进行基于原型的分类。通过仅依赖可用 CAD 模型，无需在引入新物体时进行重新训练。实验表明，该方法优于标准预训练基线，表明改进的泛化能力及其对实际应用的实用性。
引用
@article{arxiv.2603.07465,
title = {Classifying Novel 3D-Printed Objects without Retraining: Towards Post-Production Automation in Additive Manufacturing},
author = {Fanis Mathioulakis and Gorjan Radevski and Silke GC Cleuren and Michel Janssens and Brecht Das and Koen Schauwaert and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:2603.07465},
year = {2026}
}