I Modelli di Coerenza Consentono un Rilevamento di Anomalie in Nuvole di Punti 3D 80 Volte Più Veloce
Una nuova tecnica per rilevare anomalie in nuvole di punti 3D utilizza modelli di coerenza per superare i limiti di denoising iterativo dei modelli di diffusione, ottenendo tempi di esecuzione fino a 80 volte più rapidi rispetto ai metodi leader attuali. Questa strategia ridefinisce il rilevamento di anomalie basato sulla ricostruzione tramite apprendimento della coerenza, consentendo la previsione immediata di geometrie prive di anomalie in una o due valutazioni della rete. Inoltre, viene introdotta una funzione di perdita ibrida innovativa per guidare specificamente la ricostruzione verso dati privi di difetti. Questo progresso è particolarmente vantaggioso per l'implementazione nel controllo qualità manifatturiero, dove le risorse sono limitate e la bassa latenza è essenziale.
Fatti principali
- I modelli di coerenza consentono la previsione diretta di geometrie prive di anomalie in una o due valutazioni della rete.
- Il metodo raggiunge un runtime fino a 80 volte più veloce rispetto agli attuali metodi basati su diffusione all'avanguardia.
- Una nuova formulazione di perdita ibrida impone esplicitamente la ricostruzione verso dati puliti.
- L'approccio affronta il collo di bottiglia del denoising iterativo nei pipeline di diffusione.
- Il sensing 3D sta diventando integrale nella manifattura moderna per il controllo qualità ad alto rendimento.
- I metodi esistenti sono spesso computazionalmente proibitivi o inaffidabili in regioni complesse e non mascherate.
- Il lavoro riformula il rilevamento di anomalie basato sulla ricostruzione attraverso l'apprendimento della coerenza.
Entità
Istituzioni
- arXiv