D³M方法

搜索文档
工业异常检测新突破,复旦等多模态融合监测入选CVPR 2025
量子位· 2025-06-16 06:59
数据集创新 - 联合发布高精度多模态数据集Real-IAD D³ 涵盖RGB图像、伪3D光度立体图像和微米级精度3D点云数据 [1][3] - 数据集包含20个工业产品类别、69种缺陷类型 总计8450个样本 其中正常样本5000个、异常样本3450个 [4] - 点云精度达到0.002毫米 显著高于MVTec 3D-AD的0.11毫米和Real3D-AD的0.011-0.015毫米 [4] 技术突破 - 提出多模态融合检测方法D³M 整合2D、伪3D和3D数据提升检测性能 [6] - 在图像级异常检测指标(I-AUROC)上达到0.890 像素级异常检测指标(P-AUROC)达到0.901 全面优于单模态和双模态方法 [9] - 生成的分割图在细节和准确性上优于其他方法 在连接器外壳女性类别中达到0.999的I-AUROC和0.911的P-AUROC [9] 行业应用价值 - 解决传统2D图像检测缺乏深度信息和现有3D检测细节捕捉不足的行业痛点 [4] - 为工业制造质量控制提供更可靠的解决方案 推动工业异常检测领域发展 [12] - 该研究是Real-IAD系列第二篇工作 首篇工作已被CVPR2024收录 形成持续技术输出体系 [13] 数据规模扩展 - Real-IAD系列数据集包含30类对象 每类含5个拍摄角度 总计150K高分辨率图像 规模达主流数据集十倍以上 [16] - 具有更大的缺陷面积和缺陷比例范围 能更好区分不同方法性能 满足各种工业异常检测研究设置 [16]