SiM3D：单实例多视图多模态和多设备 3D 异常检测基准
计算机视觉与模式识别
2025-08-05 v2
摘要
我们提出 SiM3D，这是第一个考虑多视图和多模态信息集成以进行综合 3D 异常检测和分割（3D anomaly detection and segmentation，简称 ADS）的基准，任务是生成基于体素的异常体积（voxel-based Anomaly Volume）。此外，SiM3D 关注的是单实例异常检测的场景，这是制造业中高度关注的情形：仅提供一种对象（真实或合成）用于训练。就此而言，SiM3D 是第一个解决从合成训练数据泛化到真实测试数据的挑战的 ADS 基准。SiM3D 包括一个新型的多模态多视图数据集，采用顶级工业传感器和机器人获取。数据集包含 333 个八类对象的多视图高分辨率图像（12 Mpx）和点云（7M 点），以及每个类型的 CAD 模型。我们还提供了对异常测试样本的手动标注 3D 分割 ground truth。为建立所提出的多视图 3D ADS 任务的参考基线，我们改进了突出的单视图方法，并使用 operate on Anomaly Volumes 的新指标评估其性能。
引用
@article{arxiv.2506.21549,
title = {SiM3D: Single-instance Multiview Multimodal and Multisetup 3D Anomaly Detection Benchmark},
author = {Alex Costanzino and Pierluigi Zama Ramirez and Luigi Lella and Matteo Ragaglia and Alessandro Oliva and Giuseppe Lisanti and Luigi Di Stefano},
journal= {arXiv preprint arXiv:2506.21549},
year = {2025}
}
备注
Accepted at ICCV 2025. Project page: https://alex-costanzino.github.io/SiM3D/