DAS3D：用于 3D 异常检测的双模态异常合成
计算机视觉与模式识别
2025-06-05 v2
摘要
合成异常样本已被证明是自监督 2D 工业异常检测的有效策略。然而，这一方法在多模态异常检测中鲜有探索，尤其是涉及 3D 和 RGB 图像时。本文提出了一种 novel 的双模态数据增强方法，用于 3D 异常合成，该方法简单且能够模拟 3D 缺陷的特征。将我们的异常合成方法与之结合，我们引入一种基于重建的判别式异常检测网络，其中采用双模态判别器来融合两种模态的原始和重构嵌入进行异常检测。此外，我们设计了一种数据增强 dropout 机制以增强判别器的通用性。广泛的实验表明，我们的方法在检测精度方面优于 state-of-the-art 方法，并在 MVTec 3D-AD 和 Eyescandies 数据集上实现了具竞争力的分割性能。
引用
@article{arxiv.2410.09821,
title = {DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection},
author = {Kecen Li and Bingquan Dai and Jingjing Fu and Xinwen Hou},
journal= {arXiv preprint arXiv:2410.09821},
year = {2025}
}
备注
Code available at https://github.com/SunnierLee/DAS3D