초록
RGB 기반 표면 이상 탐지 방법이 크게 발전했습니다. 그러나 일부 표면 이상은 RGB만으로 실제로는 거의 보이지 않아, 3D 정보의 통합이 필요합니다. 점군(포인트 클라우드) 백본을 사용하는 기존 접근 방식들은 비효율적인 표현과 느린 처리로 인해 적용 범위가 제한적입니다. 산업용 깊이 데이터셋에서 빠른 밀집 입력 처리를 위해 설계된 RGB 백본을 재학습하는 것은 충분히 큰 데이터셋의 부족으로 인해 제약을 받습니다. 이러한 도전 과제들을 해결하기 위해 다음과 같은 몇 가지 공헌을 제시합니다.(i) 우리는 RGB와 3D 데이터를 함께 모델링하여 3D 표면 이상을 탐지할 수 있는 일반적인 이산 잠재 공간 학습을 가능하게 하는 새로운 Depth-Aware Discrete Autoencoder (DADA) 아키텍처를 제안합니다.(ii) 다양한 산업용 깊이 데이터셋의 부족 문제를 해결하기 위해, 깊이 인코더에서 유익한 깊이 특성을 학습할 수 있는 시뮬레이션 프로세스를 소개합니다.(iii) 우리는 정확성과 처리 속도 면에서 어려운 MVTec3D 이상 탐지 벤치마크에서 모든 기존 최신 방법론을 능가하는 새로운 표면 이상 탐지 방법 3DSR을 제안합니다.실험 결과는 우리의 접근 방식의 효과성과 효율성을 검증하며, 깊이 정보를 활용하여 개선된 표면 이상 탐지를 위한 잠재력을 강조하고 있습니다.