Looking 3D：基于 2D-3D 对齐的异常检测
计算机视觉与模式识别
2024-06-28 v1
摘要
基于视觉线索的自动异常检测在制造业和产品质量评估等多个领域具有实际意义。本文引入一种新的条件异常检测问题，即通过将查询图像与参考形状进行比较来识别查询图像中的异常。为解决这一挑战，我们创建了一个大型数据集 BrokenChairs-180K，包含约 18 万张图像，涵盖多样化的异常、几何形状和纹理，并配有 8143 个参考 3D 形状。为解决此任务，我们提出了一种新型基于变换器的方法，该方法通过特征对齐显式学习查询图像与参考 3D 形状之间的对应关系，并利用定制注意力机制进行异常检测。我们通过全面的实验进行了严格评估，为该领域的未来研究树立了基准。
引用
@article{arxiv.2406.19393,
title = {Looking 3D: Anomaly Detection with 2D-3D Alignment},
author = {Ankan Bhunia and Changjian Li and Hakan Bilen},
journal= {arXiv preprint arXiv:2406.19393},
year = {2024}
}
备注
Accepted at CVPR'24. Codes & dataset available at https://github.com/VICO-UoE/Looking3D