实体
Anomaly-ShapeNet
Anomaly-ShapeNet
PulseAugur coverage of Anomaly-ShapeNet — every cluster mentioning Anomaly-ShapeNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的三维异常检测框架利用物理学生成虚假异常
研究人员开发了PA3AD，一个用于三维点云异常检测的新框架，在真实异常数据稀缺的工业制造领域尤其有用。该框架采用受物理学启发的方法，从正常数据生成逼真的伪异常样本。它还通过权重共享机制利用原型特征，帮助模型学习正常和异常实例之间的分布差异，从而提高检测准确性。
-
新方法将边缘设备的3D点云异常检测速度提高80倍
研究人员通过一致性学习重新构建问题，开发了一种新颖的3D点云异常检测方法。该方法允许在一次或两次网络评估中直接预测无异常的几何形状，从而显著降低计算成本。与现有最先进的方法相比，新技术在没有GPU加速的情况下实现了高达80倍的运行速度，同时保持了强大的检测性能。
-
从多尺度细节级别特征中学习判别性符号距离函数以进行3D异常检测
研究人员开发了一种新颖的基于表面的方法来检测3D点云中的异常，解决了大规模和稀疏性带来的挑战。该方法利用噪声点生成模块来增强特征学习，并利用多尺度细节级别特征模块来捕获局部和全局信息。然后，隐式表面判别模块学习一个符号距离函数来区分正常点和异常点，在基准数据集上取得了最先进的结果。