IEC3D-AD：面向无监督点云异常检测的工业设备组件 3D 数据集
计算机视觉与模式识别
2025-11-06 v1
摘要
3D 异常检测（3D-AD）在工业制造中发挥着关键作用，尤其在确保核心设备组件（如轴承、环形件和螺钉）可靠性和安全性方面。虽然现有 3D 数据集如 Real3D-AD 和 MVTec 3D-AD 提供了广泛的应用支持，但不足以捕捉真实工业环境中复杂性和细微缺陷。这一局限性阻碍了对工业设备组件（IEC）进行精准异常检测。为此，我们开发了针对真实工业场景的点云异常检测数据集（IEC3D-AD）。该数据集直接从实际生产线收集，确保高保真度和相关性。与现有数据集相比，IEC3D-AD 具备更高的点云分辨率和更细致的缺陷标注粒度，支持更具挑战性的异常检测任务。此外，灵感来源于生成式 2D-AD 方法，我们在 IEC3D-AD 上引入了一种新型 3D-AD 范式（GMANet）。该范式基于几何形态分析生成合成点云样本，然后通过空间差异优化减少正常与异常点级特征之间的间隔并增加重叠。大量实验表明，我们的方法在 IEC3D-AD 及其他数据集上均表现出色。
引用
@article{arxiv.2511.03267,
title = {IEC3D-AD: A 3D Dataset of Industrial Equipment Components for Unsupervised Point Cloud Anomaly Detection},
author = {Bingyang Guo and Hongjie Li and Ruiyun Yu and Hanzhe Liang and Jinbao Wang},
journal= {arXiv preprint arXiv:2511.03267},
year = {2025}
}