Real3D-AD：一个点云异常检测数据集
计算机视觉与模式识别
2023-10-24 v3
摘要
高精度点云异常检测是识别先进加工与精密制造缺陷的黄金标准。尽管该领域在方法上取得了一些进展，数据集的稀缺以及缺乏系统性基准阻碍了其发展。我们引入了 Real3D-AD，一个具有挑战性的高精度点云异常检测数据集，以弥补该领域的不足。Real3D-AD 包含 1,254 件高分辨率 3D 物品，每件物品的点数从四万到数百万不等，是迄今最大的高精度 3D 工业异常检测数据集。在云分辨率（0.0010mm-0.0015mm）、360 度覆盖和完美原型方面，Real3D-AD 超越了现有的 3D 异常检测数据集。此外，我们为 Real3D-AD 提供了一个全面的基准，揭示了当前缺乏针对高精度点云异常检测的基线方法。为此，我们提出了 Reg3D-AD，一种基于配准的 3D 异常检测方法，其引入了一种新颖的特征记忆库以保留局部和全局表示。在 Real3D-AD 数据集上的大量实验凸显了 Reg3D-AD 的有效性。为了可复现性和可访问性，我们在网站上提供 Real3D-AD 数据集、基准源代码和 Reg3D-AD：https://github.com/M-3LAB/Real3D-AD。
引用
@article{arxiv.2309.13226,
title = {Real3D-AD: A Dataset of Point Cloud Anomaly Detection},
author = {Jiaqi Liu and Guoyang Xie and Ruitao Chen and Xinpeng Li and Jinbao Wang and Yong Liu and Chengjie Wang and Feng Zheng},
journal= {arXiv preprint arXiv:2309.13226},
year = {2023}
}