Normality-Preserving Point Compensation

新的PC2-AD框架增强了边缘设备的3D异常检测能力

研究人员开发了PC$^2$-AD，一个新颖的点云上采样框架，旨在增强分辨率有限的边缘设备的3D异常检测能力。该方法通过在检测前补偿分辨率差距来解决稀疏测试点云的挑战。PC$^2$-AD利用目标域候选生成和几何感知候选过滤来适应上采样器并选择合适的候选，然后通过保持常态的点补偿来优化选择。在Anomaly-ShapeNet和Real3D-AD数据集上的实验表明，在多种检测器上AUROC得分显著提高，验证了其在受限传感条件下提高3D异常检测有效性。