用于点云异常检测的互补伪多模态特征
计算机视觉与模式识别
2025-02-17 v1 人工智能
摘要
点云（PCD）异常检测正稳步成为一个有前景的研究领域。本研究旨在通过结合手工点云描述子与强大的预训练 2D 神经网络来提升 PCD 异常检测性能。为此，本研究提出互补伪多模态特征（CPMF），其利用手工点云描述子纳入 3D 模态中的局部几何信息，并利用预训练 2D 神经网络纳入所生成的伪 2D 模态中的全局语义信息。对于全局语义提取，CPMF 将原始 PCD 投影到包含多视角图像的伪 2D 模态。这些图像被送入预训练 2D 神经网络以提取信息丰富的 2D 模态特征。3D 与 2D 模态特征被聚合以获得用于 PCD 异常检测的 CPMF。大量实验证明了 2D 与 3D 模态特征间的互补能力以及 CPMF 的有效性，在 MVTec3D 基准上取得了 95.15% 图像级 AU-ROC 与 92.93% 像素级 PRO。代码见 https://github.com/caoyunkang/CPMF。
引用
@article{arxiv.2303.13194,
title = {Complementary Pseudo Multimodal Feature for Point Cloud Anomaly Detection},
author = {Yunkang Cao and Xiaohao Xu and Weiming Shen},
journal= {arXiv preprint arXiv:2303.13194},
year = {2025}
}
备注
Submitted to Pattern Recognition. Code is available on https://github.com/caoyunkang/CPMF