从力学视角审视缺陷来源的三维异常检测方法
计算机视觉与模式识别
2025-05-16 v2 人工智能
摘要
本文探索了一种超越仅基于结构特征识别异常的新颖三维异常检测（AD）方法。我们的核心观点是，大多数异常源于来自内部和外部不可预测的缺陷力。为解决这些异常，我们寻找能够帮助纠正它们的对抗力。因此，我们为三维异常检测任务引入了基于力学互补模型的框架（MC4AD），该框架为每个点生成内部和外部校正力。我们首先提出了一个多样化异常生成（DA-Gen）模块，旨在模拟各种类型的异常。接着，我们提出了校正力预测网络（CFP-Net），该网络使用互补表示进行点级分析，以模拟来自内部和外部校正力的不同贡献。为确保校正力得到有效约束，我们开发了一个组合损失函数，其中包括一个新的对称损失和一个整体损失。值得注意的是，我们基于三支决策过程实现了一种分层质量控制（HQC）策略，并贡献了一个名为 Anomaly-IntraVariance 的数据集，该数据集引入了类内方差以评估我们的模型。结果表明，所提出的 MC4AD 通过理论和实验证明了其有效性。实验结果表明，我们的方法在五个现有数据集以及所提出的 Anomaly-IntraVariance 数据集上，以最少的参数量和最快的推理速度，取得了九项最先进的性能，达到了最优结果。源代码可在 https://github.com/hzzzzzhappy/MC4AD 获取。
引用
@article{arxiv.2505.05901,
title = {Examining the Source of Defects from a Mechanical Perspective for 3D Anomaly Detection},
author = {Hanzhe Liang and Aoran Wang and Jie Zhou and Xin Jin and Can Gao and Jinbao Wang},
journal= {arXiv preprint arXiv:2505.05901},
year = {2025}
}
备注
26 pages