硬直した事前仮定を打ち破る：関節をもつ3D異常検知へ

要旨: 現在の既存の3D異常検出手法は、剛体的な事前知識（prior）に基づいて構築されています。すなわち、通常の幾何形状は姿勢不変であり、登録（registration）やアラインメントによって正準化（canonicalize）できるというものです。しかし、この事前知識は、蝶番（hinge）やスライド関節（sliding joints）をもつ関節物体には成り立ちません。正しい姿勢変化が誘発するのは、単一の正準テンプレートに畳み込めない、構造化された幾何学的変化です。その結果、姿勢に起因する変形が異常として誤認される一方で、本当の構造欠陥は隠されてしまいます。この課題に対応した既存のベンチマークは存在しません。私たちは、関節型3D異常検出のための初の大規模ベンチマークであるArtiADを導入します。ArtiADは、39の対象カテゴリにまたがる15,229個の点群から構成され、関節角度の密な変化と6種類の構造異常タイプを含みます。各サンプルには、その関節構成およびパーツレベルのモーションラベルが注釈付けされており、姿勢に起因する幾何学的変化と構造欠陥を明示的に切り分けることができます。さらにArtiADは、見えている（seen）／見えていない（unseen）関節の分割を提供し、新規な関節構成への内挿（interpolation）と外挿（extrapolation）を評価できるようにしています。私たちは、剛体的な事前知識を連続的な姿勢条件付きの暗黙（implicit）表現に置き換えるベースラインである、Shape-Pose-Aware Signed Distance Field（SPA-SDF）を提案します。これは、関節独立の構造事前表現と、フーリエで符号化された関節埋め込みへと因数分解（factorized）されます。推論時には、再構成エネルギーを最小化することで関節状態を復元し、異常は学習されたマニフォールドからの点ごとの逸脱として同定します。SPA-SDFは、見えている構成でオブジェクト単位のAUROCが0.884、見えていない構成で0.874を達成し、剛体ベースラインのすべてを大幅に上回ります。私たちのコードとベンチマークは、今後の研究を促進するために公開されます。