Cheat Depth: 3次元表面異常検出の向上を目的とした深度シミュレーション

RGBを基にした表面異常検出方法は大幅に進歩しました。しかし、特定の表面異常はRGBだけでは実質的に見えにくく、3D情報の導入が不可欠となっています。既存の点群バックボーンを使用するアプローチは、最適でない表現と処理速度の遅さにより、適用範囲が制限されています。また、高速な密集入力処理のために設計されたRGBバックボーンを産業用深度データセットで再学習しようとしても、十分に大きなデータセットの入手困難さによって阻まれています。これらの課題に対処するために、我々は以下の貢献を行います。(i) 3D表面異常検出のためにRGBと3Dデータを統合して学習できる一般的な離散潜在空間を可能にする新しいDepth-Aware Discrete Autoencoder (DADA) アーキテクチャを提案します。(ii) 多様な産業用深度データセットの不足に対応するため、深度エンコーダーで情報量豊富な深度特徴を学習するシミュレーションプロセスを導入します。(iii) 精度と処理速度において挑戦的なMVTec3D異常検出ベンチマークで既存の最先端手法全てを上回る新しい表面異常検出方法3DSRを提案します。実験結果は、我々のアプローチの有効性と効率性を確認し、深度情報を活用することで表面異常検出が改善される可能性を示しています。