要約
本稿では、教師なし3次元異常検出の課題に取り組むため、形状にガイドされた専門家学習フレームワークを提案する。本手法は、色と形状のモダリティから異常領域を局所化する上で有効な2つの専門的エキスパートモデルの効果およびその協調作用に基づいている。第一のエキスパートは、局所形状周辺の陰伏的距離場（implicit distance fields）をモデル化することで、幾何学的情報を用いて3次元構造上の異常を検出する。第二のエキスパートは、第一のエキスパートと関連する2次元RGB特徴を考慮し、局所形状上の色の外観的不規則性を識別する。これらの2つのエキスパートを活用して、異常のない訓練サンプルから二重のメモリバンクを構築し、形状にガイドされた推論を実行することで、テストサンプル内の欠陥を精密に特定する。点毎の3次元表現と、補完的モダリティの有効な統合スキームにより、MVTec 3D-ADデータセットにおいて最先端の性能を効率的に達成し、実用的な応用において望ましい高再現率と低誤検出率を実現した。