CrackForward：文脈対応型の重症度段階クラック合成によるデータ拡張

arXiv cs.CV / 2026/4/23

📰 ニュースTools & Practical UsageModels & Research

共有:

要点

本論文は、クラック検出・セグメンテーションにおける十分に注釈されたデータの不足という課題に対し、CrackForwardという文脈対応の生成フレームワークで現実的なクラック成長パターンを合成し、データ拡張に活用することを提案しています。
テクスチャや背景の操作中心の既存手法と異なり、CrackForwardは、方向に導かれた伸長と、学習された厚み付けや分岐を組み合わせることでクラック形状（モルフォロジー）を明示的にモデル化します。
主な改良点として、局所の方向手がかりと適応的ランダムウォークで伝播経路を現実的にシミュレートする「文脈ガイド付きクラック拡張モジュール」と、厚み・分岐・成長などの空間的に変化する性質を学習する「2段階U-Net型ジェネレータ」を挙げています。
実験では、生成サンプルが段階の飽和度や厚みといった重要な特性を保ち、複数のクラック・セグメンテーション系アーキテクチャの性能を向上させることが示され、構造を意識した合成が従来の単純な拡張より有益であることが示唆されています。
本提案はarXivの新規投稿（v1）として位置づけられており、構造ヘルスモニタリングにおけるデータ拡張の実行可能な研究方向性を提供します。

要旨: 信頼性の高いひび割れの検出とセグメンテーションは構造健全性モニタリングにとって不可欠ですが、適切に注釈付けされたデータが不足していることが大きな課題となっています。この制約に対処するため、データ拡張のために現実的なひび割れの成長パターンを合成する、新しいコンテキスト対応型の生成フレームワークを提案します。既存の手法が主としてテクスチャや背景コンテンツを操作するのに対し、CrackForward は、方向性のあるひび割れの伸長と、学習された厚み付与および分岐を組み合わせることで、ひび割れの形態を明示的にモデル化します。提案フレームワークは、2つの重要な革新を統合しています: (i) 局所的な方向性の手がかりと適応的なランダムウォークを用いて、現実的な伝播経路をシミュレートする、コンテキストに導かれたひび割れ拡張モジュール。 (ii) 厚み、分岐、成長などの空間的に変化するひび割れ特性を再現することを学習する、2段階の U-Net 風ジェネレータ。実験結果は、生成されたサンプルが目標段階における飽和状態および厚みの特性を保持し、複数のひび割れセグメンテーション手法の性能を向上させることを示しています。これらの結果は、構造を意識した合成ひび割れ生成が、従来の拡張のみよりも有益な学習データを提供し得ることを示唆しています。