幾何学的先行知識によるマルチモーダル産業異常検知

要旨: マルチモーダル産業異常検出の目的は、2Dベースの手法では検出が難しい微細な表面変形や不規則な輪郭などの複雑な幾何学的形状の欠陥を検出することです。しかし、現在のマルチモーダル産業異常検出は、表面法線ベクトルや3D形状トポロジといった重要な幾何学的情報の効果的な活用が不足しており、その結果、検出精度が低くなっています。本論文では、新しい幾何学的事前知識（Geometric Prior）に基づく異常検出ネットワーク（GPAD）を提案します。まず、微細な幾何学的特徴抽出を行うためのポイントクラウド専門モデルを提案し、抽出した特徴の幾何学的詳細を強化するために微分法線ベクトル計算を用いて、幾何学的事前知識を生成します。次に、マルチモーダルデータの補完性と、3D点に内在する幾何学的事前知識の両方を効率的に活用するための2段階の融合戦略を提案します。さらに、幾何学的事前知識に基づく注意融合と異常領域のセグメンテーションを提案し、モデルが幾何学的欠陥を認識する能力を高めます。大規模な実験の結果、提案手法のマルチモーダル産業異常検出モデルは、MVTec-3D ADおよびEyecandiesの両データセットにおいて、検出精度の面で最先端（SOTA）手法を上回ることを示します。