초록
우리는 고해상도 3D 포인트 클라우드에서 기하학적 이상을 비지도로 감지하는 새로운 방법을 제시합니다. 특히, 기존의 학생-교사 이상 감지 프레임워크를 세 차원으로 확장하는 방법을 제안합니다. 학생 네트워크는 이상이 없는 포인트 클라우드에서 사전 훈련된 교사 네트워크의 출력과 일치하도록 훈련됩니다. 테스트 데이터에 적용할 때, 교사와 학생 사이의 회귀 오차를 통해 이상 구조를 신뢰성 있게 위치 결정할 수 있습니다. 표현력 있는 교사 네트워크를 구성하여 밀집된 국소 기하학적 설명자를 추출하기 위해, 우리는 새로운 자기 지도 사전 훈련 전략을 소개합니다. 교사는 국소 수용 영역을 재구성하여 훈련되며, 주석이 필요하지 않습니다. 포괄적인 MVTec 3D 이상 감지 데이터셋에 대한 광범위한 실험은 우리의 접근 방식의 효과성을 강조하며, 이는 다음으로 최고의 방법보다 크게 우수한 성능을 보입니다. 생략 연구(Ablation studies)는 우리의 접근 방식이 성능, 실행 시간, 메모리 소비 측면에서 실용적인 응용 요구사항을 충족함을 보여줍니다.