Toward Unsupervised 3D Point Cloud Anomaly Detection using Variational Autoencoder

要約

タイトル: 変分オートエンコーダを用いた非教示学習3Dポイントクラウド異常検知への取り組み
要約:
– 3Dポイントクラウドによって表現される一般的なオブジェクトの異常検知タスクに取り組んだ初めての研究である。
– 非教示学習の異常検知フレームワークを提案し、3Dポイントクラウドに適応した深層変分オートエンコーダを用いて異常スコアを計算する手法を確立した。
– ShapeNetデータセット上で広範囲な実験を行い、定量的、定性的に性能を検証し、提案手法がベースライン手法を上回ることを示した。
– 実装コードはhttps://github.com/llien30/point_cloud_anomaly_detectionで公開されている。

要約(オリジナル)

In this paper, we present an end-to-end unsupervised anomaly detection framework for 3D point clouds. To the best of our knowledge, this is the first work to tackle the anomaly detection task on a general object represented by a 3D point cloud. We propose a deep variational autoencoder-based unsupervised anomaly detection network adapted to the 3D point cloud and an anomaly score specifically for 3D point clouds. To verify the effectiveness of the model, we conducted extensive experiments on the ShapeNet dataset. Through quantitative and qualitative evaluation, we demonstrate that the proposed method outperforms the baseline method. Our code is available at https://github.com/llien30/point_cloud_anomaly_detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI