SplatPose & Detect：位姿无关的 3D 异常检测
计算机视觉与模式识别
2024-04-11 v1 机器学习
摘要
图像中的异常检测已成为学术界和工业界中一个被充分探索的问题。最先进的算法能够在日益困难的环境和数据模态中检测缺陷。然而，目前的大多数方法不适用于从不同位姿捕获的 3D 对象。尽管已经提出了使用神经辐射场 的解决方案，但它们存在计算需求过高的问题，这阻碍了其在现实世界中的可用性。出于这个原因，我们提出了基于 3D 高斯溅射的新型框架 SplatPose，该框架在给定 3D 对象的多视图图像时，以可微的方式准确估计未见视图的位姿，并检测其中的异常。即使在使用的训练数据少于竞争方法的情况下，我们在训练和推理速度以及检测性能方面都取得了最先进的结果。我们使用最近提出的位姿无关异常检测基准及其多位姿异常检测 (MAD) 数据集对我们的框架进行了全面评估。
引用
@article{arxiv.2404.06832,
title = {SplatPose & Detect: Pose-Agnostic 3D Anomaly Detection},
author = {Mathis Kruse and Marco Rudolph and Dominik Woiwode and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2404.06832},
year = {2024}
}
备注
Visual Anomaly and Novelty Detection 2.0 Workshop at CVPR 2024