Defect Spectrum: A Granular Look of Large-Scale Defect Datasets with Rich Semantics

要約

欠陥検査は閉ループ製造システム内で最も重要です。
ただし、欠陥検査用の既存のデータセットには、実際のアプリケーションに必要な精度や意味論的な粒度が欠けていることがよくあります。
このペーパーでは、広範囲の工業的欠陥に対して正確で意味が豊富で大規模なアノテーションを提供する包括的なベンチマークである欠陥スペクトルを紹介します。
4 つの主要な産業ベンチマークに基づいて構築されている当社のデータセットは、既存のアノテーションを改良し、豊富なセマンティック詳細を導入して、単一の画像内の複数の欠陥タイプを区別します。
さらに、限られたデータセットを使用する場合でも、高品質で多様な欠陥画像を作成できるように設計された 2 段階の拡散ベースのジェネレーターである Defect-Gen を紹介します。
Defect-Gen によって生成された合成画像は、欠陥検査モデルの有効性を大幅に高めます。
全体として、欠陥スペクトル データセットは欠陥検査研究における可能性を実証し、高度なモデルのテストと改良のための強固なプラットフォームを提供します。

要約(オリジナル)

Defect inspection is paramount within the closed-loop manufacturing system. However, existing datasets for defect inspection often lack precision and semantic granularity required for practical applications. In this paper, we introduce the Defect Spectrum, a comprehensive benchmark that offers precise, semantic-abundant, and large-scale annotations for a wide range of industrial defects. Building on four key industrial benchmarks, our dataset refines existing annotations and introduces rich semantic details, distinguishing multiple defect types within a single image. Furthermore, we introduce Defect-Gen, a two-stage diffusion-based generator designed to create high-quality and diverse defective images, even when working with limited datasets. The synthetic images generated by Defect-Gen significantly enhance the efficacy of defect inspection models. Overall, The Defect Spectrum dataset demonstrates its potential in defect inspection research, offering a solid platform for testing and refining advanced models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google