الشكل الموجه: التعلم الثنائي الذاكرة الموجه بالشكل للكشف عن الشذوذ ثلاثي الأبعاد
{Tyng-Luh Liu Hwann-Tzong Chen Ting-I Hsieh Chieh Liu Yu-Min Chu}
الملخص
نقدّم إطارًا تعلّميًا خبيريًا موجهًا بالشكل لمعالجة مشكلة الكشف غير المُشرَّف عن الشذوذ في الأبعاد الثلاثة. يعتمد هذا الأسلوب على فعالية نموذجين خبيرين متخصصين وتفاعلهما المتناغم لتحديد مناطق الشذوذ من خلال الموداليتين اللتين تتعلقان باللون والشكل. يُستخدم الخبير الأول لاستكشاف الشذوذ البنائية في الأبعاد الثلاثة من خلال نمذجة مجالات المسافة الضمنية المحيطة بالأشكال المحلية، باستخدام المعلومات الهندسية. أما الخبير الثاني، فيأخذ بعين الاعتبار ميزات الصورة الثنائية الأبعاد (RGB) المرتبطة بالخبير الأول للكشف عن التغيرات غير الطبيعية في المظهر اللوني على الأشكال المحلية. نستخدم هذين الخبيرين لبناء مخازن ذاكرة مزدوجة من خلال عينات التدريب الخالية من الشذوذ، ثم نُطبّق استنتاجًا موجهًا بالشكل لتحديد العيوب بدقة في عينات الاختبار. وبفضل التمثيل ثلاثي الأبعاد لكل نقطة، وآلية دمج فعّالة للموداليات المكملة، يحقق أسلوبنا أداءً يُعدّ من أفضل الأداءات المُحققة حاليًا على مجموعة بيانات MVTec 3D-AD، مع تحقيق معدلات استرجاع أعلى ونسبة خطأ إيجابية كاذبة أقل، وهي ميزات مطلوبة بشدة في التطبيقات الواقعية.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| 3d-anomaly-detection-and-segmentation-on | Shape-Guided (only SDF) | Detection AUROC: 0.916 Segmentation AUPRO: 0.931 Segmentation AUROC: 0.978 |
| rgb-3d-anomaly-detection-and-segmentation-on | Shape-Guided | Detection AUCROC: 0.947 Segmentation AUCROC: 0.996 Segmentation AUPRO: 0.976 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.