Regarder à l'intérieur pour en savoir plus : Perception de la modalité spatiale interne pour la détection d'anomalies 3D

La détection d'anomalies en 3D est récemment devenue un sujet d'importance majeure dans le domaine de la vision par ordinateur. Plusieurs méthodes avancées ont obtenu des performances satisfaisantes en détection d'anomalies. Cependant, elles se concentrent généralement sur la structure externe des échantillons 3D et peinent à exploiter les informations internes intégrées aux échantillons. Inspirés par l'intuition fondamentale selon laquelle il serait bénéfique de regarder à l'intérieur pour obtenir plus d'informations, nous présentons une méthode simple appelée Perception de la Modalité Spatiale Interne (Internal Spatial Modality Perception, ISMP) pour explorer pleinement la représentation des caractéristiques à partir des vues internes. Plus précisément, notre ISMP proposée comprend un module clé de perception, le Moteur d'Insight Spatial (Spatial Insight Engine, SIE), qui abstrait les informations internes complexes des nuages de points en caractéristiques globales essentielles. De plus, afin d'améliorer l'alignement entre les informations structurales et les données ponctuelles, nous avons conçu un module amélioré d'extraction de caractéristiques des points clés pour amplifier la représentation des caractéristiques structurales spatiales. En même temps, un nouveau module de filtrage de caractéristiques est intégré pour réduire le bruit et les caractéristiques redondantes, permettant ainsi une meilleure précision de la structure spatiale. Des expériences approfondies ont validé l'efficacité de notre méthode proposée, réalisant des améliorations respectivement de 3,2 % au niveau objet et de 13,1 % au niveau pixel en termes d'AUC-ROC sur les benchmarks Real3D-AD. Il convient de noter que la forte capacité généralisatrice du SIE a été théoriquement prouvée et vérifiée dans les tâches de classification et de segmentation.