内部を詳しく見る：3D異常検出のための内部空間モダリティ知覚

最近、3D異常検出はコンピュータビジョンの重要な研究対象となっています。いくつかの先進的な手法が満足できる異常検出性能を達成していますが、これらの手法は一般的に3Dサンプルの外部構造に焦点を当てており、サンプル内に埋め込まれた内部情報を活用することが難しいという課題があります。より多くの情報を内部から得ることの基本的な直感に着想を得て、我々はInternal Spatial Modality Perception（ISMP）と名付けられた単純な方法を提案します。この方法は、内部ビューからの特徴表現を完全に探索することを目指しています。具体的には、提案するISMPにはSpatial Insight Engine（SIE）と呼ばれる重要な認識モジュールが含まれています。このモジュールは点群の複雑な内部情報を本質的な全体的な特徴に抽象化します。さらに、構造情報と点データをよりよく整合させるために、空間構造特徴表現を強化するための改良されたキーポイント特徴抽出モジュールを提案しました。同時に、ノイズや冗長な特徴を削減し、より正確な空間構造との整合性を高める新しい特徴フィルタリングモジュールも組み込まれています。広範囲な実験により、提案手法の有効性が確認されました。Real3D-ADベンチマークにおいて、オブジェクトレベルおよびピクセルレベルでのAUROC改善率はそれぞれ3.2％および13.1％でした。なお、SIEの強い汎化能力は理論的に証明されており、分類およびセグメンテーションタスクでも確認されています。