基于变分自编码器的无监督3D点云异常检测研究
计算机视觉与模式识别
2023-04-10 v1
摘要
在本文中，我们提出了一种用于3D点云的端到端无监督异常检测框架。据我们所知，这是首个针对由3D点云表示的一般物体进行异常检测任务的工作。我们提出了一种适应3D点云的基于深度变分自编码器的无监督异常检测网络，以及一种专门针对3D点云的异常分数。为了验证模型的有效性，我们在ShapeNet数据集上进行了大量实验。通过定量和定性评估，我们证明了所提出的方法优于基线方法。我们的代码可在 https://github.com/llien30/point_cloud_anomaly_detection 获取。
引用
@article{arxiv.2304.03420,
title = {Toward Unsupervised 3D Point Cloud Anomaly Detection using Variational Autoencoder},
author = {Mana Masuda and Ryo Hachiuma and Ryo Fujii and Hideo Saito and Yusuke Sekikawa},
journal= {arXiv preprint arXiv:2304.03420},
year = {2023}
}
备注
ICIP2021